通过5个例子让你学会Pandas中的字符串过滤
要处理文本数据，需要比数字类型的数据更多的清理步骤。为了从文本数据中提取有用和信息，通常需要执行几个预处理和过滤步骤。
Pandas 库有许多可以轻松简单地处理文本数据函数和方法。在本文中，我介绍将学习 5 种可用于过滤文本数据（即字符串）的不同方法：
- 是否包含一系列字符
- 求字符串的长度
- 判断以特定的字符序列开始或结束
- 判断字符为数字或字母数字
- 查找特定字符序列的出现次数
首先我们导入库和数据
import pandas as pd
df = pd.read_csv("example.csv")
df
我们这个样例的DataFrame 包含 6 行和 4 列。我们将使用不同的方法来处理 DataFrame 中的行。第一个过滤操作是检查字符串是否包含特定的单词或字符序列，使用 contains 方法查找描述字段包含“used car”的行。但是要获得pandas中的字符串需要通过 Pandas 的 str 访问器，代码如下：
df[df["description"].str.contains("used car")]
但是为了在这个DataFrame中找到所有的二手车，我们需要分别查找“used”和“car”这两个词，因为这两个词可能同时出现，但是并不是连接在一起的：
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。
下一个方法是根据字符串的长度进行过滤。假设我们只对超过 15 个字符的描述感兴趣。可以使用内置的 len 函数来执行此操作，如下所示：
df[df["description"].apply(lambda x: len(x) > 15)]
这里就需要编写了一个 lambda 表达式，通过在表达式中使用 len 函数获取长度并使用apply函数将其应用到每一行。执行此操作的更常用和有效的方法是通过 str 访问器来进行：
df[df["description"].str.len() > 15]
我们可以分别使用startswith和endswith基于字符串的第一个或最后一个字母进行过滤。
df[df["lot"].str.startswith("A")]
这个方法也能够检查前 n 个字符。例如，我们可以选择以“A-0”开头的行：
df[df["lot"].str.startswith("A-0")]
Python 的内置的字符串函数都可以应用到Pandas DataFrames 中。例如，在价格列中，有一些非数字字符，如 $ 和 k。我们可以使用 isnumeric 函数过滤掉。
df[df["price"].apply(lambda x: x.isnumeric()==True)]
同样如果需要保留字母数字（即只有字母和数字），可以使用 isalphanum 函数，用法与上面相同。
count 方法可以计算单个字符或字符序列的出现次数。例如，查找一个单词或字符出现的次数。
我们这里统计描述栏中的“used”的出现次数：
df["description"].str.count("used")
# 结果
0 1
1 0
2 1
3 1
4 1
5 0
Name: description, dtype: int64
如果想使用它进行条件过滤，只需将其与一个值进行比较，如下所示：
df[df["description"].str.count("used") < 1]
非常简单吧
本文介绍了基于字符串值的 5 种不同的 Pandas DataFrames 方式。虽然一般情况下我们更关注数值类型的数据，但文本数据同样重要，并且包含许多有价值的信息。能够对文本数据进行清理和预处理对于数据分析和建模至关重要。
附：pandas 中 按条件过滤字符串类型的值
一、使用~对字符串值取反：
1、测试数据
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 字段中值不为 ‘Sta’,‘Sun’ 的记录
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
总结
到此这篇关于通过5个例子让你学会Pandas中字符串过滤的文章就介绍到这了,更多相关Pandas字符串过滤内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了python爬虫 Pyppeteer使用方法解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-09-09
这篇文章主要为大家详细介绍了如何基于Python实现一个简单的新闻爬取系统，文中的示例代码讲解详细，具有一定的学习价值，感兴趣的小伙伴可以了解一下2023-06-06
JavaScript和Python都是极为流行的编程语言,并在前端开发和后端开发领域扮演着重要的角色,那么Python如何更好的契合JavaScript呢,下面就跟随小编一起学习一下吧2024-02-02
今天小编就为大家分享一篇Python实现ping指定IP的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-06-06
这篇文章主要介绍了Python内建函数,可迭代对象,迭代器，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-04-04
threading用于提供线程相关的操作，为了保证安全的访问一个资源对象，我们需要创建锁。那么Python线程锁与释放锁如何实现，感兴趣的小伙伴们可以参考一下2021-05-05
我们在开发中经常会遇到获取省市区等信息的时候,下面这篇这篇文章主要给大家介绍了关于python获取全国最新省市区数据并存入表的相关资料,需要的朋友可以参考下2021-08-08
Python基于pycrypto实现的AES加密和解密算法示例
这篇文章主要介绍了Python基于pycrypto实现的AES加密和解密算法,结合实例形式分析了Python使用pycrypto模块进行AES加密与解密操作相关实现技巧,需要的朋友可以参考下2018-04-04
这篇文章主要介绍了Django自定义过滤器定义与用法,结合实例形式分析了Django自定义过滤器的概念、功能、定义及使用方法,需要的朋友可以参考下2018-03-03
Windows 系统中的一些非常重要文件通常会被添加数字签名，其目的是用来防止被篡改，能确保用户通过互联网下载时能确信此代码没有被非法篡改和来源可信，从而保护了代码的完整性、保护了用户不会被病毒、恶意代码和间谍软件所侵害，本章将演示证书的签发与伪造2021-06-06
最新评论