pandas Series矢量化的字符串函數——Series.str

在清理文本數據時，對pandas Series（序列）可以使用map函數，所有的字符串都可以應用字符串函數或正則表達式，但是如果存在NA，就會報錯。爲了解決這個問題，Series有一些可以跳過NA值的字符串操作方法，這可以通過Series的str屬性來訪問。

s1 = pd.Series(['Mouse', 'dog', 'house and parrot', '23', np.NaN])
s1.str.contains('og', regex=False)
0    False
1     True
2    False
3    False
4      NaN
dtype: object

通過str屬性來調用字符串函數，處理非NA的文本數據。常用的字符串函數：

• Series.str.contains：文本是否包含特定的字符串
• Series.str.get：獲得特定位置處的字符
• Series.str.index：獲得特定文本在原始文本中的位置即索引，索引從0開始。
• Series.str.endswith：文本是否以特定文本結束
• Series.str.startswith：文本是否以特定的文本開始
• Series.str.find：從文本中查找特定的字符串
• Series.str.replace：替換文本
• Series.str.split：分割文本
• Series.str.trip：移除文本開頭和結尾的空白格
• Series.str.slice：子字符串
• Series.str.match：是否匹配特定的正則表達式

 

參考文檔：