本文介紹

你有沒有這樣一種感覺，為什么到自己手上的數據，總是亂七八糟？ 作為一個數據分析師來說，數據清洗是必不可少的環節。有時候由于數據太亂，往往需要花費我們很多時間去處理它。因此掌握更多的數據清洗方法，會讓你的能力調高100倍。 本文基于此，講述pandas中超級好用的str矢量化字符串函數，學了之后，瞬間感覺自己的數據清洗能力提高了。

1個數據集，16個Pandas函數

數據集是黃同學精心為大家編造，只為了幫助大家學習到知識。數據集如下：

① cat函數：用于字符串的拼接

② contains：判斷某個字符串是否包含給定字符

df["家庭住址"].str.contains("廣") 結果如下：

③ startswith/endswith：判斷某個字符串是否以…開頭/結尾

#第一個行的“黃偉”是以空格開頭的 df["姓名"].str.startswith("黃") df["英文名"].str.endswith("e") 結果如下：

④ count：計算給定字符在字符串中出現的次數

df["電話號碼"].str.count("3") 結果如下：

⑤ get：獲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) 結果如下：

⑥ len：計算字符串長度

df["性別"].str.len() 結果如下：

⑦ upper/lower：英文大小寫轉換

df["英文名"].str.upper() df["英文名"].str.lower() 結果如下：

⑧ pad+side參數/center：在字符串的左邊、右邊或左右兩邊添加給定字符

df["家庭住址"].str.pad(10,fillchar="*")#相當于ljust() df["家庭住址"].str.pad(10,side="right",fillchar="*")#相當于rjust() df["家庭住址"].str.center(10,fillchar="*") 結果如下：

⑨ repeat：重復字符串幾次

df["性別"].str.repeat(3) 結果如下：

⑩ slice_replace：使用給定的字符串，替換指定的位置的字符

df["電話號碼"].str.slice_replace(4,8,"*"*4) 結果如下：

? replace：將指定位置的字符，替換為給定的字符串

df["身高"].str.replace(":","-") 結果如下：

? replace：將指定位置的字符，替換為給定的字符串(接受正則表達式)

replace中傳入正則表達式，才叫好用；

先不要管下面這個案例有沒有用，你只需要知道，使用正則做數據清洗多好用；

df["收入"].str.replace("d+.d+","正則") 結果如下：

? split方法+expand參數：搭配join方法功能很強大

#普通用法 df["身高"].str.split(":") #split方法，搭配expand參數 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) 結果如下：

? strip/rstrip/lstrip：去除空白符、換行符

df["姓名"].str.len() df["姓名"]=df["姓名"].str.strip() df["姓名"].str.len() 結果如下：

? findall：利用正則表達式，去字符串中匹配，返回查找結果的列表

findall使用正則表達式，做數據清洗，真的很香！

df["身高"] df["身高"].str.findall("[a-zA-Z]+") 結果如下：

? extract/extractall：接受正則表達式，抽取匹配的字符串(一定要加上括號)

df["身高"].str.extract("([a-zA-Z]+)") #extractall提取得到復合索引 df["身高"].str.extractall("([a-zA-Z]+)") #extract搭配expand參數 df["身高"].str.extract("([a-zA-Z]+).*?([a-zA-Z]+)",expand=True) 結果如下：

今天的文章，就講述到這里，希望能夠對你有所幫助。

編輯：jq