2025年Part 9-Pandas 的字符串处理操作

大家好，我是讯享网，很高兴认识大家。

Pandas字符串处理

1.使用方法:先获取Series的str属性，然后在属性上调用函数;

2.只能在字符串列上使用，不能数字列上使用;

3. Dataframe上没有str属性和处理方法

4.Series.str并不是Python原生字符串，而是自己的一套方法，不过大部分和原生str很相似;

内容如下：

1.获取Series的str属性，然后使用各种字符串处理函数

2.使用str的startswith、contains等bool类Series可以做条件查询

3.需要多次str处理的链式操作

4.使用正则表达式的处理

1、分步骤读取数据

import pandas as pd fpath='./datas/beijing_tianqi/beijing_tianqi_2018.csv' df=pd.read_csv(fpath) df.head()

讯享网

讯享网df.dtypes

2、获取Series的str属性，使用各种字符串处理函数

获取最高温度的Series的温度列

#获取最高温度的Series的温度列 df['bWendu'].str

字符串替换函数

讯享网#字符串替换函数 df['bWendu'].str.replace('℃','')

判断是不是数字

#判断是不是数字 df['bWendu'].str.isnumeric()

讯享网df['aqi'].str.len() #AttributeError: Can only use .str accessor with string values! len()方法只能用于字符串类型的数据

AttributeError: Can only use .str accessor with string values! len()方法只能用于字符串类型的数据

3、使用str 的startwith、contains等得到bool的Series可以做条件查询

Pandas startswith()是另一种在系列或 DataFrame 中搜索和过滤文本数据的方法。此方法类似于Python的startswith()方法，但参数不同，并且仅适用于Pandas对象。因此，.str必须在每次调用此方法之前加上前缀，以便编译器知道它与默认函数不同。

用法：Series.str.startswith(pat, na=nan)

参数：
pat:要搜索的字符串。 (不接受正则表达式)
na:用于设置序列中的值为NULL时应显示的内容。

返回类型：布尔序列，为True，其中值的开头是传递的字符串。

从ymd这一列挑选出2018-03这类型的数据，返回的是一个Boolean类型

#从ymd这一列挑选出2018-03这类型的数据，返回的是一个Boolean类型 condition=df['ymd'].str.startswith('2018-03') condition

输出在condition条件下的df中的数据

讯享网#输出在condition条件下的df中的数据 df[condition].head()

4、需要多次str处理的链式操作

df['ymd'].str.replace('-','')

问题：直接在Series上面调用方法的话，是否可行？

答：不可行

原因：每次调用函数，都会返回一个新的series
df['ymd'].str.replace('-','').slice(0,6)
'Series' object has no attribute 'slice'---意思就是series不能够直接去调用slice函数，必须经过str调用后才可以使用

讯享网#原因：每次调用函数，都会返回一个新的series df['ymd'].str.replace('-','').slice(0,6) #'Series' object has no attribute 'slice'---意思就是series不能够直接去调用slice函数，必须经过str调用后才可以使用

df['ymd'].str.replace('-','').str.slice(0,6)

slice是切片操作，也可以直接为str[0:6]

讯享网#slice是切片操作，也可以直接为str[0:6] df['ymd'].str.replace('-','').str[0:6]

5、使用正则表达式的处理

#添加新列 def get_riqi(x): year,month,day=x['ymd'].split('-') return f'{year}年{month}月{day}日' df['中文日期']=df.apply(get_riqi,axis=1) df['中文日期']

new question? -----如何将日期中，年月日三个字去除

方法1：链式replace

讯享网#方法1：链式replace df['中文日期'].str.replace('年','').str.replace('月','').str.replace('日','')

Series.str默认开启了正则表达式模式

方法2：正则表达式替换

#方法2：正则表达式替换 df['中文日期'].str.replace('[年月日]','',regex=True)

注:

The default value of regex will change from True to False in a future version.
在Pandas未来的版本中，.str.replace() 的regex的默认值将从True变为False
而当regex=True时，单字符正则表达式不会被视为文本字符串
因为我们是针对price中两个单个字符进行操作，因此设置regex=True