日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

通過5個例子讓你學會Pandas中的字符串過濾_python

作者：deephub ? 更新時間： 2022-10-24 編程語言

要處理文本數據，需要比數字類型的數據更多的清理步驟。為了從文本數據中提取有用和信息，通常需要執行幾個預處理和過濾步驟。

Pandas 庫有許多可以輕松簡單地處理文本數據函數和方法。在本文中，我介紹將學習 5 種可用于過濾文本數據（即字符串）的不同方法：

  • 是否包含一系列字符
  • 求字符串的長度
  • 判斷以特定的字符序列開始或結束
  • 判斷字符為數字或字母數字
  • 查找特定字符序列的出現次數

首先我們導入庫和數據

 import pandas as pd
 df = pd.read_csv("example.csv")
 df

我們這個樣例的DataFrame 包含 6 行和 4 列。我們將使用不同的方法來處理 DataFrame 中的行。第一個過濾操作是檢查字符串是否包含特定的單詞或字符序列，使用 contains 方法查找描述字段包含“used car”的行。但是要獲得pandas中的字符串需要通過 Pandas 的 str 訪問器，代碼如下：

 df[df["description"].str.contains("used car")]

但是為了在這個DataFrame中找到所有的二手車，我們需要分別查找“used”和“car”這兩個詞，因為這兩個詞可能同時出現，但是并不是連接在一起的：

 df[df["description"].str.contains("used") &
    df["description"].str.contains("car")]

可以看到最后一行包含“car”和“used”，但不是一起。

下一個方法是根據字符串的長度進行過濾。假設我們只對超過 15 個字符的描述感興趣。可以使用內置的 len 函數來執行此操作，如下所示：

df[df["description"].apply(lambda x: len(x) > 15)]

這里就需要編寫了一個 lambda 表達式，通過在表達式中使用 len 函數獲取長度并使用apply函數將其應用到每一行。執行此操作的更常用和有效的方法是通過 str 訪問器來進行：

df[df["description"].str.len() > 15]

我們可以分別使用startswith和endswith基于字符串的第一個或最后一個字母進行過濾。

df[df["lot"].str.startswith("A")]

這個方法也能夠檢查前 n 個字符。例如，我們可以選擇以“A-0”開頭的行：

df[df["lot"].str.startswith("A-0")]

Python 的內置的字符串函數都可以應用到Pandas DataFrames 中。例如，在價格列中，有一些非數字字符，如 $ 和 k。我們可以使用 isnumeric 函數過濾掉。

df[df["price"].apply(lambda x: x.isnumeric()==True)]

同樣如果需要保留字母數字（即只有字母和數字），可以使用 isalphanum 函數，用法與上面相同。

count 方法可以計算單個字符或字符序列的出現次數。例如，查找一個單詞或字符出現的次數。

我們這里統計描述欄中的“used”的出現次數：

 df["description"].str.count("used")
 
 # 結果
 0    1
 1    0
 2    1
 3    1
 4    1
 5    0
 Name: description, dtype: int64

如果想使用它進行條件過濾，只需將其與一個值進行比較，如下所示：

 df[df["description"].str.count("used") < 1]

非常簡單吧

本文介紹了基于字符串值的 5 種不同的 Pandas DataFrames 方式。雖然一般情況下我們更關注數值類型的數據，但文本數據同樣重要，并且包含許多有價值的信息。能夠對文本數據進行清理和預處理對于數據分析和建模至關重要。

附：pandas 中 按條件過濾字符串類型的值

一、使用~對字符串值取反：

1、測試數據

test_df
    total_bill    tip    smoker    day    time    size    tip_pct
57    26.41    1.50    No    Sat    Dinner    2    0.056797
0    16.99    1.01    No    Sun    Dinner    2    0.059447
48    28.55    2.05    No    Sun    Dinner    3    0.071804
146    18.64    1.36    No    Thur    Lunch    3    0.072961
130    19.08    1.50    No    Thur    Lunch    2    0.078616
237    32.83    1.17    Yes    Sat    Dinner    2    0.035638
102    44.30    2.50    Yes    Sat    Dinner    3    0.056433
187    30.46    2.00    Yes    Sun    Dinner    5    0.065660
210    30.06    2.00    Yes    Sat    Dinner    3    0.066534
240    27.18    2.00    Yes    Sat    Dinner    2    0.073584

2、需求：取出 day 字段中值不為 ‘Sta’,‘Sun’ 的記錄

test_df[~test_df['day'].str.contains('|'.join(['Sat', 'Sun']))]
    total_bill    tip    smoker    day    time    size    tip_pct
146    18.64    1.36    No    Thur    Lunch    3    0.072961
130    19.08    1.50    No    Thur    Lunch    2    0.078616

總結

原文鏈接：https://blog.csdn.net/deephub/article/details/126314732

欄目分類
最近更新