这20个Pandas函数,堪称数据清洗杀手!

大数据DT

共 3522字,需浏览 8分钟

 ·

2021-09-27 08:48


导读:今天准备介绍一篇超级肝货!


Pandas 是基于NumPy 的一种工具,该工具是为解决数据分析任务而创建的。它提供了大量能使我们快速便捷地处理数据的函数和方法。

本文介绍的这20个(被分成了15组)函数,绝对是数据处理杀手,用了你会爱不释手。

作者:黄伟呢
来源:数据分析与统计学之美(ID:huang_superme)


00 构造数据集

这里为大家先构造一个数据集,用于为大家演示这20个函数。

  • 注:本数据集中的姓名、身份证号码、电话号码等信息均为虚构。

import pandas as pd
df ={'姓名':[' 黄同学','黄至尊','黄老邪 ','陈大美','孙尚香'],
     '英文名':['Huang tong_xue','huang zhi_zun','Huang Lao_xie','Chen Da_mei','sun shang_xiang'],
     '性别':['男','women','men','女','男'],
     '身份证':['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':['湖北广水','河南信阳','广西桂林','湖北孝感','广东广州'],
     '电话号码':['13434813546','19748672895','16728613064','14561586431','19384683910'],
     '收入':['1.1万','8.5千','0.9万','6.5千','2.0万']}
df = pd.DataFrame(df)
df

效果图:



01 cat函数

这个函数主要用于字符串的拼接

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

效果图:



02 contains函数


这个函数主要用于判断某个字符串是否包含给定字符

df["家庭住址"].str.contains("广")

效果图:



03 startswith、endswith函数


这个函数主要用于判断某个字符串是否以...开头/结尾

# 第一个行的“ 黄伟”是以空格开头的
df["姓名"].str.startswith("黄"
df["英文名"].str.endswith("e")

效果图:



04 count函数


这个函数主要用于计算给定字符在字符串中出现的次数

df["电话号码"].str.count("3")

效果图:



05 get函数


这个函数主要用于获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)

效果图:



06 len函数


这个函数主要用于计算字符串长度

df["性别"].str.len()

效果图:



07 upper、lower函数


这个函数主要用于英文大小写转换

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

效果图:



08 pad+side参数/center函数


这个函数主要用于在字符串的左边、右边或左右两边添加给定字符

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

效果图:



09 repeat函数


这个函数主要用于重复字符串几次

df["性别"].str.repeat(3)

效果图:


10 slice_replace函数


这个函数主要用于使用给定的字符串,替换指定的位置的字符

df["电话号码"].str.slice_replace(4,8,"*"*4)

效果图:



11 replace函数


这个函数主要用于将指定位置的字符,替换为给定的字符串

df["身高"].str.replace(":","-")

效果图:


这个函数还接受正则表达式,将指定位置的字符,替换为给定的字符串。

df["收入"].str.replace("\d+\.\d+","正则")

效果图:



12 split方法+expand参数


这个函数主要用于将一列扩展为好几列

# 普通用法
df["身高"].str.split(":")
# split方法,搭配expand参数
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)

效果图:



13 strip、rstrip、lstrip函数


这个函数主要用于去除空白符、换行符

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

效果图:



14 findall函数


这个函数主要用于利用正则表达式,去字符串中匹配,返回查找结果的列表

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

效果图:



15 extract、extractall函数


这个函数主要用于接受正则表达式,抽取匹配的字符串(一定要加上括号)

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

效果图:



延伸阅读👇

延伸阅读《深入浅出Pandas

干货直达👇


更多精彩👇

在公众号对话框输入以下关键词
查看更多优质内容!

读书 | 书单 | 干货 | 讲明白 | 神操作 | 手把手
大数据 | 云计算 | 数据库 | Python | 爬虫 | 可视化
AI | 人工智能 | 机器学习 | 深度学习 | NLP
5G | 中台 | 用户画像 数学 | 算法 数字孪生

据统计,99%的大咖都关注了这个公众号
👇
浏览 11
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报