今天準備介紹一篇超級肝貨!

Pandas 是基于NumPy 的一種工具，該工具是為解決數據分析任務而創建的。它提供了大量能使我們快速便捷地處理數據的函數和方法。

[[419282]]

本文介紹的這20個【被分成了15組】函數，絕對是數據處理殺手，用了你會愛不釋手。

[[419283]]

構造數據集

這里為大家先構造一個數據集，用于為大家演示這20個函數。

import pandas as pd 
df ={'姓名':[' 黃同學','黃至尊','黃老邪 ','陳大美','孫尚香'], 
     '英文名':['Huang tong_xue','huang zhi_zun','Huang Lao_xie','Chen Da_mei','sun shang_xiang'], 
     '性別':['男','women','men','女','男'], 
     '身份證':['463895200003128433','429475199912122345','420934199110102311','431085200005230122','420953199509082345'], 
     '身高':['mid:175_good','low:165_bad','low:159_bad','high:180_verygood','low:172_bad'], 
     '家庭住址':['湖北廣水','河南信陽','廣西桂林','湖北孝感','廣東廣州'], 
     '電話號碼':['13434813546','19748672895','16728613064','14561586431','19384683910'], 
     '收入':['1.1萬','8.5千','0.9萬','6.5千','2.0萬']} 
df = pd.DataFrame(df) 
df 

效果圖：

1. cat函數

這個函數主要用于字符串的拼接;

df["姓名"].str.cat(df["家庭住址"],sep='-'*3) 

效果圖：

2. contains函數

這個函數主要用于判斷某個字符串是否包含給定字符;

df["家庭住址"].str.contains("廣") 

效果圖：

3. startswith、endswith函數

這個函數主要用于判斷某個字符串是否以...開頭/結尾;

# 第一個行的“ 黃偉”是以空格開頭的 
df["姓名"].str.startswith("黃")  
df["英文名"].str.endswith("e") 

效果圖：

4. count函數

這個函數主要用于計算給定字符在字符串中出現的次數;

df["電話號碼"].str.count("3") 

效果圖：

5. get函數

這個函數主要用于獲取指定位置的字符串;

df["姓名"].str.get(-1) 
df["身高"].str.split(":") 
df["身高"].str.split(":").str.get(0) 

效果圖：

6. len函數

這個函數主要用于計算字符串長度;

df["性別"].str.len() 

效果圖：

7. upper、lower函數

這個函數主要用于英文大小寫轉換;

df["英文名"].str.upper() 
df["英文名"].str.lower() 

效果圖：

8. pad+side參數/center函數

這個函數主要用于在字符串的左邊、右邊或左右兩邊添加給定字符;

df["家庭住址"].str.pad(10,fillchar="*")      # 相當于ljust() 
df["家庭住址"].str.pad(10,side="right",fillchar="*")    # 相當于rjust() 
df["家庭住址"].str.center(10,fillchar="*") 

效果圖：

9. repeat函數

這個函數主要用于重復字符串幾次;

df["性別"].str.repeat(3) 

效果圖：

10. slice_replace函數

這個函數主要用于使用給定的字符串，替換指定的位置的字符;

df["電話號碼"].str.slice_replace(4,8,"*"*4) 

效果圖：

11. replace函數

這個函數主要用于將指定位置的字符，替換為給定的字符串;

df["身高"].str.replace(":","-") 

效果圖：

這個函數還接受正則表達式，將指定位置的字符，替換為給定的字符串。

df["收入"].str.replace("\d+\.\d+","正則") 

效果圖：

12. split方法+expand參數

這個函數主要用于將一列擴展為好幾列;

# 普通用法 
df["身高"].str.split(":") 
# split方法，搭配expand參數 
df[["身高描述","final身高"]] = df["身高"].str.split(":",expand=True) 
df 
# split方法搭配join方法 
df["身高"].str.split(":").str.join("?"*5) 

效果圖：

13. strip、rstrip、lstrip函數

這個函數主要用于去除空白符、換行符;

df["姓名"].str.len() 
df["姓名"] = df["姓名"].str.strip() 
df["姓名"].str.len() 

效果圖：

14. findall函數

這個函數主要用于利用正則表達式，去字符串中匹配，返回查找結果的列表;

df["身高"] 
df["身高"].str.findall("[a-zA-Z]+") 

效果圖：

15. extract、extractall函數

這個函數主要用于接受正則表達式，抽取匹配的字符串(一定要加上括號);

df["身高"].str.extract("([a-zA-Z]+)") 
# extractall提取得到復合索引 
df["身高"].str.extractall("([a-zA-Z]+)") 
# extract搭配expand參數 
df["身高"].str.extract("([a-zA-Z]+).*?([a-zA-Z]+)",expand=True) 

效果圖：