Pandas - Series.str.xxx 常用函数

大小写

大小写转换、首字母大写、英文书写格式、大小写反转的函数。pandas.Series.str.capitalize

file:[例1]
ser = pd.Series(['lower', 'CAPITALS', 'this is a sentence', 'SwApCaSe'])

print(ser.str.lower())
"""
0                 lower
1              capitals
2    this is a sentence
3              swapcase
dtype: object
"""

print(ser.str.upper())
"""
0                 LOWER
1              CAPITALS
2    THIS IS A SENTENCE
3              SWAPCASE
dtype: object
"""

print(ser.str.title())
"""
0                 Lower
1              Capitals
2    This Is A Sentence
3              Swapcase
dtype: object
"""

print(ser.str.capitalize())
"""
0                 Lower
1              Capitals
2    This is a sentence
3              Swapcase
dtype: object
"""

print(ser.str.swapcase())
"""
0                 LOWER
1              capitals
2    THIS IS A SENTENCE
3              sWaPcAsE
dtype: object
"""

casefold

移除字符串中的所有大小写区别。等同于 lower()。pandas.Series.casefold

file:[例2]
ser = pd.Series(['lower', 'CAPITALS', 'this is a sentence', 'SwApCaSe'])
print(ser.str.casefold())

"""
0                 lower
1              capitals
2    this is a sentence
3              swapcase
dtype: object
"""

查询

contains

测试字符串或正则表达式是否包含在 Series 的字符串中，如例3所示，每一个字符串都包含了 XL。pandas.Series.str.contains

file:[例3]
data = pd.read_excel(rf'C:\examples.xlsx')
print(data.loc[data['产品编码'].str.contains(pat='XL')]['产品编码'])

"""
1       XL03ACR107B001030204021
2       XL03ACR107B014020104870
4       XL01EBJ008A001010105847
5       XL01XGP043B001020104021
10      XL01EAY059A001010105847
                 ...           
2354    XR06AXL226A001010405848
2361    XL04AAL019A001010104859
2409    XR06AXL226A001010405848
2440    XR06AXL226K001010101442
2479    XR06AXL226A001010405848
Name: 产品编码, Length: 100, dtype: object
"""

fullmatch

确定字符串或正则表达式是否完全在 Series 的字符串中，返回一个布尔 Series。pandas.Series.str.fullmatch

file:[例4]
print(data.loc[data['产品编码'].str.fullmatch(pat='XL')]['产品编码'])

"""
Series([], Name: 产品编码, dtype: object)
"""

如例4所示，XL 不完全匹配产品编码的字符串，即空。修改正则表达式，匹配范围更广一点：

file:[例5]
print(data.loc[data['产品编码'].str.fullmatch('.*XL.*')]['产品编码'])
"""
1       XL03ACR107B001030204021
2       XL03ACR107B014020104870
4       XL01EBJ008A001010105847
5       XL01XGP043B001020104021
10      XL01EAY059A001010105847
                 ...           
2354    XR06AXL226A001010405848
2361    XL04AAL019A001010104859
2409    XR06AXL226A001010405848
2440    XR06AXL226K001010101442
2479    XR06AXL226A001010405848
Name: 产品编码, Length: 100, dtype: object
"""

fm = data.loc[data['产品编码'].str.fullmatch('.*XL.*')]['产品编码']
co = data.loc[data['产品编码'].str.contains('.*XL.*')]['产品编码']
print(fm.equals(co))
"""
True
"""

例3与例5的结果和数量都一致。

findall

在 Series 中查找正则表达式的所有匹配项。pandas.Series.str.findall

file:[例6]
data = pd.read_excel(rf'C:\examples.xlsx')
print(data['产品编码'].str.findall(r'[\d]+'))

"""
0       [10, 247, 002010103546]
1       [03, 107, 001030204021]
2       [03, 107, 014020104870]
3       [01, 112, 010030105198]
4       [01, 008, 001010105847]
                 ...           
2522    [10, 079, 002010207103]
2523    [10, 080, 002010107103]
2524    [10, 074, 002030100227]
2525    [10, 087, 002010107103]
2526    [10, 025, 002020181708]
Name: 产品编码, Length: 2527, dtype: object
"""

findall 查询的是匹配正则表达式中匹配的项，例如 XL03ACR107B001030204021 就会得到一数组 [10, 247, 002010103546]。

endswith 和 startswith

• endswith：查找在字符串中是否包含指定结尾的子字符串。不接受正则表达式。
• startswith：与 endswith 相反，查找开头的子字符串。

file:[例7]
ser = pd.Series(['bat', 'bear', 'caT', np.nan])
print(ser.str.endswith('t'))

"""
0     True
1    False
2    False
3      NaN
dtype: object
"""

print(ser.str.startswith('b'))

"""
0     True
1    False
2    False
3      NaN
dtype: object
"""

这两个函数可以结合 loc 来做索引 DataFrame 的操作，例如：df.loc[df['产品编码'].str.startswith('XL')]。

count

计算 Series 中每个字符串中的字符出现的次数。

file:[例8]
ser = pd.Series(['A', 'B', 'Aaba', 'Baca', np.nan, 'CABA', 'cat'])
print(ser.str.count('a'))

"""
0    0.0
1    0.0
2    2.0
3    2.0
4    NaN
5    0.0
6    1.0
dtype: float64
"""

文本处理

center、ljust、rjust

具体查看官方示例文档 pandas.Series.str.center。

• center：左右两边填充字符到指定长度
• ljust：右填充字符到指定长度
• rjust：左填充字符到指定长度

这三个函数还与 pandas.Series.str.pad 函数、pandas.Series.str.zfill 函数类似。

strip、lstrip、rstrip

具体查看官方示例文档 pandas.Series.str.strip。

• strip：清除首尾字符
• lstrip：清除首字符
• rstrip：清除尾字符

参数 to_strip 指的是：指定删除的字符集，此字符集的所有组合都将被剥离为数组。若 None 或不传递，则删除空格。

file:[例9]
ser = pd.Series(['1. Ant.  ', '2. Bee!\n', '3. Cat?\t', np.nan, 10, True])

ser.str.lstrip('123.')
"""首
0    Ant.
1    Bee!\n
2    Cat?\t
3       NaN
4       NaN
5       NaN
dtype: object
"""

ser.str.rstrip('.!? \n\t')
"""尾
0    1. Ant
1    2. Bee
2    3. Cat
3       NaN
4       NaN
5       NaN
dtype: object
"""

ser.str.strip('123.!? \n\t')
"""首尾
0    Ant
1    Bee
2    Cat
3    NaN
4    NaN
5    NaN
dtype: object
"""

与 lstrip 和 rstrip 相似的还有 removeprefix 和 removesuffix。

replace

替换 Series 中每次出现的 pattern 或者 regex。

file:[例10]

pd.Series(['foo', 'fuz', np.nan]).str.replace('f.', 'ba', regex=True)
"""
0    bao
1    baz
2    NaN
dtype: object
"""

pd.Series(['f.o', 'fuz', np.nan]).str.replace('f.', 'ba', regex=False)
"""
0    bao
1    fuz
2    NaN
dtype: object
"""

若要用正则表达式进行替换，需给 regex 传递 True，不然就会被当作为 patter 进行替换。如例10中的第二个，f.o 被替换为 bao，因为 regex 为 False，patter 为 f.。