这20个Pandas函数,堪称"数据清洗"杀手!
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。 import pandas as pd df&nbs这2p;={'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'],&nb0个sp; '性别':['男','women','men','Ů','男'], '身份证':['463895200003128433','429475199912122345','420934199110102311','431085200005230122','42095319950908234Pa5'], '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'],&nbsndp; '电话号码':['13434813546','19748672895','16728613064','14561586431','19384683910'], '收入':['1.1万','8.5ǧ','0.9万','6.5ǧ','2.0万']} df = pasd.DataFrame(df) df 效果图: 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) 效果图: 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") 效果图: 3. startswith、endswith函数 这个函数主要用于判断某个字函数符串是否以...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: 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") 效果图: 5. get函数 这个函数主要用于获,堪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: 6. 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: 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称"() df["英文名"].str.lower() 效果图: 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=数据"right",fillchar="*") # 相当于rjust() df["家庭住址"].str.center(10,fillchar="*") 效果图: 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) 效果图: 10. slice_replace函数 这个函数主要用于使用给定的字符串,清洗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"杀果图: 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 # spl手!it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: 1这24. 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]+)") # ex0个tractall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:
- 最近发表
- 随机阅读
-
- 8B模型碾压32B?Mira Murati新作“在线策略蒸馏”引爆AI训练革命,成本直降90%!
- 标签: 思格新能源 SigenStor 许映童 光伏储能
- 面试 | 不可不知的十大 Hive 调优技巧优秀实践
- Gemini2.5Deep Think成首个ICPC金牌AI,碾压全球精英程序员
- 新一代 AI 视频生成模型 LTX-2发布:完整叙事高清视频一键生成
- 男生吃口红是什么梗
- 冠闵信息CEO颜伟志谈MSP发展趋势:利用各种工具持续交付高度自动化的服务
- 腾讯开源HunyuanImage 2.1!2K高清神图秒生成,复杂提示精准控多主体,AI设计效率爆表?
- 标签: 理想汽车 理想L9 Livis AI眼镜
- 除了缺点创意,GPT-3写出了及格大学毕业论文,只需20分钟
- 微软智能云:未来将以每年50至100个的速度新建数据中心
- Elastic通过开放源代码许可变更对AWS造成打击
- 熟剩香辣蟹过夜能吃吗
- 315晚会曝光互联网灰色地带“精准获客”大数据软件,利用爬虫技术偷取消费者个人信息
- 云计算核心技术Docker教程:Docker Compose 介绍
- 云安全日报210610:红帽OpenShift云应用平台发现符号链接攻击漏洞,需要尽快升级
- 标签: 宏芯宇 存储芯片 AI服务器 OPPO
- 标签: 滴滴出行 春运打车 滴滴充电 滴滴加油
- QQ浏览器接入DeepSeek-V3.1
- 标签: 华为 吉利 安世半导体 谷歌
- 搜索
-
- 友情链接