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。
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。
1. 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)
2. 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”)
3. 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&Rdquo;是以空格开头的 df[“姓名”].stR.staRtswITh(“黄”) df[“英文名”].stR.endswITh(“e”)
4. 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”)
5. 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)
6. len函数
这个函数主要用于计算字符串长度;
df[“性别”].stR.len()
7. 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()
8. 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=”*”)
9. Repeat函数
这个函数主要用于重复字符串几次;
df[“性别”].stR.Repeat(3)
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)
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(“:”,”-“)
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”)
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)
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()
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]+”)
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)
