Pandas 字符串处理

Pandas 字符串处理

目录

• fillna 替换缺失值
• contains
• extract 正则
• len
• replace

使用 str 可以使用 字符串 方法

fillna 替换缺失值

import pandas as pd                         # 读取的时候替换
data=pd.read_excel(filename).fillna('-')    #fillna就是替换NA的单元格

contains

字符串方法将Series.str.contains()检查列中的每个值，Name如果字符串包含单词Countess并返回每个值True（是名称的一部分）或 False（不是名称的一部分）

na=False的意思就是，遇到非字符串的情况，直接忽略

df[df['内容'].str.contains('花', na=False)]

# 需要行号加上 index
df[df['内容'].str.contains('花', na=False)].index
# 删除单行
df.drop(labels=2)  # 删除 2 行 axis默认等于0

[867 rows x 10 columns]

lower

dr['name'].str.lower()

split

df['name'].str.split(',')  # 以逗号分割

df['name']str.split(',').str.get(0)  # 取第一个

extract 正则

len

df['name'].str.len()

res = df.loc[df['内容'].str.len().idxmax(), '内容']  # 内容最长的一个

replace

df['粉丝数'] = df['粉丝数'].replace({1994: 666, 1620: 777})  # 字典便捷替换 1994 替换为 666
# df['粉丝数'] = df['粉丝数'].replace(1994, '999999')