在本章中，我們將使用基本系列/索引來討論字串操作。在隨後的章節中，將學習如何將這些字串函式應用於資料影格(DataFrame)。
Pandas提供了一組字串函式，可以方便地對字串資料進行操作。 最重要的是，這些函式忽略(或排除)丟失/NaN值。
幾乎這些方法都使用Python字串函式(請參閱： http://docs.python.org/3/library/stdtypes.html )。 因此，將Series物件轉換為String物件，然後執行該操作。
下面來看看每個操作的執行和說明。
| 編號 | 函式 | 描述 |
|---|---|---|
| 1 | lower() |
將Series/Index中的字串轉換為小寫。 |
| 2 | upper() |
將Series/Index中的字串轉換為大寫。 |
| 3 | len() |
計算字串長度。 |
| 4 | strip() |
幫助從兩側的系列/索引中的每個字串中刪除空格(包括換行符)。 |
| 5 | split(' ') |
用給定的模式拆分每個字串。 |
| 6 | cat(sep=' ') |
使用給定的分隔符連線系列/索引元素。 |
| 7 | get_dummies() |
返回具有單熱編碼值的資料影格(DataFrame)。 |
| 8 | contains(pattern) |
如果元素中包含子字串，則返回每個元素的布林值True，否則為False。 |
| 9 | replace(a,b) |
將值a替換為值b。 |
| 10 | repeat(value) |
重複每個元素指定的次數。 |
| 11 | count(pattern) |
返回模式中每個元素的出現總數。 |
| 12 | startswith(pattern) |
如果系列/索引中的元素以模式開始，則返回true。 |
| 13 | endswith(pattern) |
如果系列/索引中的元素以模式結束，則返回true。 |
| 14 | find(pattern) |
返回模式第一次出現的位置。 |
| 15 | findall(pattern) |
返回模式的所有出現的列表。 |
| 16 | swapcase |
變換字母大小寫。 |
| 17 | islower() |
檢查系列/索引中每個字串中的所有字元是否小寫，返回布林值 |
| 18 | isupper() |
檢查系列/索引中每個字串中的所有字元是否大寫，返回布林值 |
| 19 | isnumeric() |
檢查系列/索引中每個字串中的所有字元是否為數位，返回布林值。 |
現在建立一個系列，看看上述所有函式是如何工作的。
import pandas as pd
import numpy as np
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveMinsu'])
print (s)
執行上面範例程式碼，得到以下結果 -
0 Tom
1 William Rick
2 John
3 Alber@t
4 NaN
5 1234
6 SteveMinsu
dtype: object
1. lower()函式範例
import pandas as pd
import numpy as np
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveMinsu'])
print (s.str.lower())
執行上面範例程式碼，得到以下結果 -
0 tom
1 william rick
2 john
3 alber@t
4 NaN
5 1234
6 steveminsu
dtype: object
2. upper()函式範例
import pandas as pd
import numpy as np
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveMinsu'])
print (s.str.upper())
執行上面範例程式碼，得到以下結果 -
0 TOM
1 WILLIAM RICK
2 JOHN
3 ALBER@T
4 NaN
5 1234
6 STEVESMITH
dtype: object
3. len()函式範例
import pandas as pd
import numpy as np
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveMinsu'])
print (s.str.len())
執行上面範例程式碼，得到以下結果 -
0 3.0
1 12.0
2 4.0
3 7.0
4 NaN
5 4.0
6 10.0
dtype: float64
4. strip()函式範例
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s)
print ("=========== After Stripping ================")
print (s.str.strip())
執行上面範例程式碼，得到以下結果 -
0 Tom
1 William Rick
2 John
3 Alber@t
dtype: object
=========== After Stripping ================
0 Tom
1 William Rick
2 John
3 Alber@t
dtype: object
5. split(pattern)函式範例
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s)
print ("================= Split Pattern: ==================")
print (s.str.split(' '))
執行上面範例程式碼，得到以下結果 -
0 Tom
1 William Rick
2 John
3 Alber@t
dtype: object
================= Split Pattern: ==================
0 [Tom, ]
1 [, William, Rick]
2 [John]
3 [Alber@t]
dtype: object
6. cat(sep=pattern)函式範例
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s.str.cat(sep=' <=> '))
執行上面範例程式碼，得到以下結果 -
Tom <=> William Rick <=> John <=> Alber@t
7. get_dummies()函式範例
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s.str.get_dummies())
執行上面範例程式碼，得到以下結果 -
William Rick Alber@t John Tom
0 0 0 0 1
1 1 0 0 0
2 0 0 1 0
3 0 1 0 0
8. contains()函式範例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s.str.contains(' '))
執行上面範例程式碼，得到以下結果 -
0 True
1 True
2 False
3 False
dtype: bool
9. replace(a,b)函式範例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s)
print ("After replacing @ with $: ============== ")
print (s.str.replace('@','$'))
執行上面範例程式碼，得到以下結果 -
0 Tom
1 William Rick
2 John
3 Alber@t
dtype: object
After replacing @ with $: ==============
0 Tom
1 William Rick
2 John
3 Alber$t
dtype: object
10. repeat(value)函式範例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s.str.repeat(2))
執行上面範例程式碼，得到以下結果 -
0 Tom Tom
1 William Rick William Rick
2 JohnJohn
3 Alber@tAlber@t
dtype: object
11. count(pattern)函式範例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("The number of 'm's in each string:")
print (s.str.count('m'))
執行上面範例程式碼，得到以下結果 -
The number of 'm's in each string:
0 1
1 1
2 0
3 0
dtype: int64
12. startswith(pattern)函式範例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("Strings that start with 'T':")
print (s.str. startswith ('T'))
執行上面範例程式碼，得到以下結果 -
Strings that start with 'T':
0 True
1 False
2 False
3 False
dtype: bool
13. endswith(pattern)函式範例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("Strings that end with 't':")
print (s.str.endswith('t'))
執行上面範例程式碼，得到以下結果 -
Strings that end with 't':
0 False
1 False
2 False
3 True
dtype: bool
14. find(pattern)函式範例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s.str.find('e'))
執行上面範例程式碼，得到以下結果 -
0 -1
1 -1
2 -1
3 3
dtype: int64
注意：
-1表示元素中沒有這樣的模式可用。
15. findall(pattern)函式範例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s.str.findall('e'))
執行上面範例程式碼，得到以下結果 -
0 []
1 []
2 []
3 [e]
dtype: object
空列表(
[])表示元素中沒有這樣的模式可用。
16. swapcase()函式範例
import pandas as pd
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])
print (s.str.swapcase())
執行上面範例程式碼，得到以下結果 -
0 tOM
1 wILLIAM rICK
2 jOHN
3 aLBER@T
dtype: object
17. islower()函式範例
import pandas as pd
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])
print (s.str.islower())
執行上面範例程式碼，得到以下結果 -
0 False
1 False
2 False
3 False
dtype: bool
18. isupper()函式範例
import pandas as pd
s = pd.Series(['TOM', 'William Rick', 'John', 'Alber@t'])
print (s.str.isupper())
執行上面範例程式碼，得到以下結果 -
0 True
1 False
2 False
3 False
dtype: bool
19. isnumeric()函式範例
import pandas as pd
s = pd.Series(['Tom', '1199','William Rick', 'John', 'Alber@t'])
print (s.str.isnumeric())
執行上面範例程式碼，得到以下結果 -
0 False
1 True
2 False
3 False
4 False
dtype: bool