一、用法精讲
306、pandas.Series.str.cat方法
306-1、语法
# 306、pandas.Series.str.cat方法pandas.Series.str.cat(others=None, sep=None, na_rep=None, join='left')Concatenate strings in the Series/Index with given separator.If others is specified, this function concatenates the Series/Index and elements of others element-wise. If others is not passed, then all values in the Series/Index are concatenated into a single string with a given sep.Parameters:othersSeries, Index, DataFrame, np.ndarray or list-likeSeries, Index, DataFrame, np.ndarray (one- or two-dimensional) and other list-likes of strings must have the same length as the calling Series/Index, with the exception of indexed objects (i.e. Series/Index/DataFrame) if join is not None.If others is a list-like that contains a combination of Series, Index or np.ndarray (1-dim), then all elements will be unpacked and must satisfy the above criteria individually.If others is None, the method returns the concatenation of all strings in the calling Series/Index.sepstr, default ‘’The separator between the different elements/columns. By default the empty string ‘’ is used.na_repstr or None, default NoneRepresentation that is inserted for all missing values:If na_rep is None, and others is None, missing values in the Series/Index are omitted from the result.If na_rep is None, and others is not None, a row containing a missing value in any of the columns (before concatenation) will have a missing value in the result.join{‘left’, ‘right’, ‘outer’, ‘inner’}, default ‘left’Determines the join-style between the calling Series/Index and any Series/Index/DataFrame in others (objects without an index need to match the length of the calling Series/Index). To disable alignment, use .values on any Series/Index/DataFrame in others.Returns:str, Series or IndexIf others is None, str is returned, otherwise a Series/Index (same type as caller) of objects is returned.
306-2、参数
306-2-1、others**(可选，默认值为None)**：表示要与当前Series合并的其他Series，可以是一个Series对象的列表，或者是单个Series。
306-2-2、sep**(可选，默认值为None)**：用于连接字符串的分隔符，若为None，则不使用分隔符。
306-2-3、na_rep**(可选，默认值为None)**：指定如何表示缺失值(NaN)，若为None，则缺失值不会被替代。
306-2-4、join**(可选，默认值为'left')**：指定合并方式，选项有：
306-2-4-1、'left'：仅包含左侧Series中存在的索引。
306-2-4-2、'right'：仅包含右侧Series中存在的索引。
306-2-4-3、'outer'：包含所有索引(并集)。
306-2-4-4、'inner'：仅包含所有Series中都存在的索引(交集)。
306-3、功能
用于将多个字符串序列按指定的分隔符连接成一个新的字符串序列，它可以处理多个字符串列的合并，并提供了灵活的参数选项以满足不同的需求。
306-4、返回值
返回一个新的Series对象，其中每个元素都是合并后的字符串。
306-5、说明
使用场景：
306-5-1、数据整合：在数据分析中，通常需要将来自不同数据源的字符串数据合并。例如，将不同字段的信息合并为一个完整的描述字段，假设有两个Series分别包含用户的名字和姓氏，可以使用该方法将它们合并为全名。
306-5-2、生成报告或日志：当生成报告或日志时，可能需要将多个信息字段合并为一个字符串。例如，在日志记录中，你可能需要将时间戳、事件类型和消息内容合并为一个完整的日志条目。
306-5-3、数据清理：在数据清理过程中，可能会需要将不同列中的字符串合并，以便进一步分析或建模。例如，将地址的各个组成部分(街道、城市、州、邮政编码)合并为一个完整的地址字段。
306-5-4、特征工程：在机器学习中的特征工程阶段，可能会需要将多个特征列的字符串合并为一个特征，以便更好地捕捉数据中的模式。例如，将用户的兴趣爱好、职业和教育背景合并为一个综合的特征，用于模型训练。
306-5-5、数据可视化：在数据可视化过程中，可能需要将数据的不同部分合并为一个标签或标题，以提高图表的可读性。例如，将产品名称、类别和价格合并为图表中的标签。
306-5-6、数据格式化：在处理数据导出或报告生成时，可能需要将多个数据项合并为特定格式的字符串。例如，将日期、时间和地点合并为一个格式化的事件字符串。
306-6、用法
306-6-1、数据准备
无
306-6-2、代码示例
# 306、pandas.Series.str.cat方法# 306-1、数据整合：合并用户的名字和姓氏import pandas as pd# 创建包含名字和姓氏的Seriesfirst_names = pd.Series(['John', 'Jane', 'Alice'])last_names = pd.Series(['Doe', 'Smith', 'Johnson'])# 合并名字和姓氏为全名full_names = first_names.str.cat(last_names, sep=' ')print(full_names, end='\n\n')# 306-2、生成报告或日志：合并时间戳、事件类型和消息内容import pandas as pd# 创建包含时间戳、事件类型和消息内容的Seriestimestamps = pd.Series(['2024-08-08 12:00', '2024-08-08 12:05'])event_types = pd.Series(['INFO', 'ERROR'])messages = pd.Series(['System started', 'Failed to connect'])# 合并为完整的日志条目logs = timestamps.str.cat([event_types, messages], sep=' - ')print(logs, end='\n\n')# 306-3、数据清理：合并地址的各个组成部分import pandas as pd# 创建包含地址各部分的 Seriesstreet = pd.Series(['123 Main St', '456 Maple Ave'])city = pd.Series(['Springfield', 'Hometown'])state = pd.Series(['IL', 'CA'])zip_code = pd.Series(['62701', '90210'])# 合并为完整的地址addresses = street.str.cat([city, state, zip_code], sep=', ')print(addresses, end='\n\n')# 306-4、特征工程：合并用户的兴趣爱好、职业和教育背景import pandas as pd# 创建包含用户兴趣爱好、职业和教育背景的Seriesinterests = pd.Series(['Reading, Hiking', 'Cooking, Traveling'])occupations = pd.Series(['Engineer', 'Teacher'])education = pd.Series(['PhD', 'Masters'])# 合并为综合特征features = interests.str.cat([occupations, education], sep=' | ')print(features, end='\n\n')# 306-5、数据可视化：生成条形图的标签import pandas as pdimport matplotlib.pyplot as plt# 创建包含产品名称、类别和价格的Seriesproduct_names = pd.Series(['Laptop', 'Smartphone', 'Tablet'])categories = pd.Series(['Electronics', 'Electronics', 'Electronics'])prices = pd.Series(['$999', '$699', '$399'])# 合并为图表标签labels = product_names.str.cat([categories, prices], sep=' - ')# 创建一个示例数据框data = pd.DataFrame({'Products': labels,'Sales': [150, 200, 120] # 示例销售数据})# 绘制条形图plt.figure(figsize=(10, 6))plt.bar(data['Products'], data['Sales'], color='purple')# 添加标题和标签plt.title('Product Sales')plt.xlabel('Product Details')plt.ylabel('Sales')# 旋转x轴标签，以便更好地显示plt.xticks(rotation=45, ha='right')# 显示图形plt.tight_layout()plt.show()# 306-6、数据格式化：合并日期、时间和地点import pandas as pd# 创建包含日期、时间和地点的Seriesdates = pd.Series(['2024-08-08', '2024-08-09'])times = pd.Series(['09:00', '15:00'])locations = pd.Series(['Conference Room A', 'Meeting Hall B'])# 合并为格式化的事件字符串events = dates.str.cat([times, locations], sep=' ')print(events)
306-6-3、结果输出
# 306、pandas.Series.str.cat方法# 306-1、数据整合：合并用户的名字和姓氏# 0 John Doe# 1 Jane Smith# 2 Alice Johnson# dtype: object# 306-2、生成报告或日志：合并时间戳、事件类型和消息内容# 0 2024-08-08 12:00 - INFO - System started# 1 2024-08-08 12:05 - ERROR - Failed to connect# dtype: object# 306-3、数据清理：合并地址的各个组成部分# 0 123 Main St, Springfield, IL, 62701# 1 456 Maple Ave, Hometown, CA, 90210# dtype: object# 306-4、特征工程：合并用户的兴趣爱好、职业和教育背景# 0 Reading, Hiking | Engineer | PhD# 1 Cooking, Traveling | Teacher | Masters# dtype: object# 306-5、数据可视化：生成条形图的标签# 见图1# 306-6、数据格式化：合并日期、时间和地点# 0 2024-08-08 09:00 Conference Room A# 1 2024-08-09 15:00 Meeting Hall B# dtype: object
图1：
307、pandas.Series.str.center方法
307-1、语法
# 307、pandas.Series.str.center方法pandas.Series.str.center(width, fillchar=' ')Pad left and right side of strings in the Series/Index.Equivalent to str.center().Parameters:widthintMinimum width of resulting string; additional characters will be filled with fillchar.fillcharstrAdditional character for filling, default is whitespace.Returns:Series/Index of objects.
307-2、参数
307-2-1、with**(必须)**：指定结果字符串的总宽度，如果字符串的长度小于width，则在字符串的两侧填充fillchar以达到指定的宽度；如果字符串的长度大于或等于width，则返回原始字符串。
307-2-2、fillchar**(可选，默认值为空格字符' ')**：用于填充的字符，该字符将会被添加到字符串的左右两侧，以便将字符串扩展到指定的宽度。需要注意的是，fillchar必须是一个长度为1的字符。
307-3、功能
用于将每个字符串元素居中对齐，该方法常用于需要对字符串进行格式化时，尤其是当你希望字符串在某个宽度内居中显示时。
307-4、返回值
Series或Index，具体取决于调用方法的对象。每个元素都被扩展或保持原样，以便其长度达到指定的width；如果某个元素的长度已经等于或超过width，则该元素将不被修改。
307-5、说明
使用场景：
307-5-1、文本对齐与格式化：在需要将文本居中对齐的场景中，此方法非常实用，无论是生成报表、打印输出还是构建文本表格，都需要确保每个文本单元格式统一、对齐整齐，通过使用该方法可以轻松地将字符串居中并填充左右两侧的空白，达到视觉上更美观的效果。
307-5-2、数据标准化：在数据清洗的过程中，经常会遇到不规则长度的字符串，为了后续处理的方便，有时需要将这些字符串统一为相同长度，该方法通过在字符串两侧添加指定字符，可以将所有字符串标准化为相同长度，从而简化数据处理过程。
307-5-3、文本界面显示：在命令行或控制台应用程序中，通常需要以美观的方式显示文本内容。例如，显示标题、菜单选项或提示信息时，通过使用该方法将文本居中，可以使界面更加整齐、美观。
307-5-4、报表生成：在生成文本报表或导出表格时，为了使各列数据对齐，可以使用该方法对数据进行格式化，通过统一每列数据的宽度，并将内容居中显示，报表看起来会更加规范和专业。
307-5-5、美观的用户界面：如果你在设计用户界面时需要展示一组居中的文本元素，例如按钮或标签，可以使用该方法将文本居中，使整个界面看起来更对称和美观。
307-6、用法
307-6-1、数据准备
无
307-6-2、代码示例
# 307、pandas.Series.str.center方法# 307-1、文本对齐与格式化import pandas as pd# 创建列标题headers = pd.Series(['Product Name', 'Price', 'Quantity'])# 将列标题居中对齐并填充空格centered_headers = headers.str.center(20)print(centered_headers, end='\n\n')# 307-2、数据标准化import pandas as pd# 创建公司名称列表companies = pd.Series(['Apple', 'Microsoft', 'Google', 'Amazon'])# 将公司名称居中对齐并填充'*'，统一长度为15个字符centered_companies = companies.str.center(15, '*')print(centered_companies, end='\n\n')# 307-3、文本界面显示import pandas as pd# 创建菜单选项列表menu_options = pd.Series(['Start Game', 'Options', 'Quit'])# 将菜单选项居中对齐并填充'-'centered_menu = menu_options.str.center(30, '-')print(centered_menu, end='\n\n')# 307-4、报表生成import pandas as pd# 创建报表数据data = {'Product': ['Laptop', 'Smartphone', 'Tablet', 'Monitor'],'Price': [999.99, 699.99, 499.99, 199.99],'Quantity': [10, 20, 15, 7]}# 创建DataFramedf = pd.DataFrame(data)# 对Product列进行居中对齐并填充空格df['Product'] = df['Product'].str.center(15)# 打印格式化后的报表print(df, end='\n\n')# 307-5、美观的用户界面import pandas as pd# 创建按钮标签列表buttons = pd.Series(['OK', 'Cancel', 'Apply'])# 将按钮标签居中对齐并填充'='，统一长度为10个字符centered_buttons = buttons.str.center(10, '=')print(centered_buttons)
307-6-3、结果输出
# 307、pandas.Series.str.center方法# 307-1、文本对齐与格式化# 0 Product Name# 1 Price# 2 Quantity# dtype: object# 307-2、数据标准化# 0 *****Apple*****# 1 ***Microsoft***# 2 *****Google****# 3 *****Amazon****# dtype: object# 307-3、文本界面显示# 0 ----------Start Game----------# 1 -----------Options------------# 2 -------------Quit-------------# dtype: object# 307-4、报表生成# Product Price Quantity# 0 Laptop 999.99 10# 1 Smartphone 699.99 20# 2 Tablet 499.99 15# 3 Monitor 199.99 7# 307-5、美观的用户界面# 0 ====OK====# 1 ==Cancel==# 2 ==Apply===# dtype: object
308、pandas.Series.str.contains函数
308-1、语法
# 308、pandas.Series.str.contains函数pandas.Series.str.contains(pat, case=True, flags=0, na=None, regex=True)Test if pattern or regex is contained within a string of a Series or Index.Return boolean Series or Index based on whether a given pattern or regex is contained within a string of a Series or Index.Parameters:patstrCharacter sequence or regular expression.casebool, default TrueIf True, case sensitive.flagsint, default 0 (no flags)Flags to pass through to the re module, e.g. re.IGNORECASE.nascalar, optionalFill value for missing values. The default depends on dtype of the array. For object-dtype, numpy.nan is used. For StringDtype, pandas.NA is used.regexbool, default TrueIf True, assumes the pat is a regular expression.If False, treats the pat as a literal string.Returns:Series or Index of boolean valuesA Series or Index of boolean values indicating whether the given pattern is contained within the string of each element of the Series or Index.
308-2、参数
308-2-1、pat**(必须)**：指定要匹配的模式或字符串，这是你要在Series中查找的字符串模式，可以是简单的字符串或正则表达式。
308-2-2、case**(可选，默认值为True)**：指定是否区分大小写，如果为True，则匹配时区分大小写；如果为False，则忽略大小写。
308-2-3、flags**(可选，默认值为0)**：控制正则表达式匹配的标志，用于修改正则表达式的行为。例如，re.IGNORECASE(flags=re.I)可以与case=False类似，实现忽略大小写的匹配。
308-2-4、na**(可选，默认值为None)**：指定在Series元素为缺失值时返回的布尔值，如果设置为True或False，缺失值将被替换为该布尔值；如果设置为None，缺失值将保持不变。
308-2-5、regex**(可选，默认值为True)**：指定pat是否作为正则表达式进行处理，如果为True，则pat将被解释为正则表达式；如果为False，pat将被解释为普通的字符串。如果你不需要使用正则表达式，可以将其设置为False，以提高匹配速度。
308-3、功能
用于检查每个字符串元素是否包含特定的模式(pat)，并返回布尔值(True或False)的Series，用于标识每个元素是否包含该模式。
308-4、返回值
返回一个布尔值的Series，每个元素对应原Series的一个元素，如果该元素包含匹配的模式，则返回True，否则返回False。
308-5、说明
使用场景：
308-5-1、数据筛选与过滤：在一列包含字符串的数据中，查找包含特定关键词的行。例如，从新闻标题中筛选出包含某个关键词的文章。
308-5-2、数据清洗与预处理：检查数据中的字符串是否符合预期的模式。例如，检查电子邮件字段是否包含“@”符号，以识别无效的电子邮件地址。
308-5-3、特征工程：在构建机器学习模型时，将字符串数据中的模式匹配结果作为特征。例如，判断客户评论中是否包含正面或负面的关键词。
308-5-4、异常值检测：在文本数据中识别不常见或异常的模式。例如，在地址字段中检查是否包含无效字符或格式。
308-5-5、分类与标记：根据特定模式对数据进行分类或标记。例如，根据文章标题中是否包含“Breaking”来标记紧急新闻。
308-5-6、数据对比：比较不同数据源中的字符串字段，找出共同特征或差异。例如，比较用户输入的地址与标准地址列表是否匹配。
308-5-7、正则表达式的应用：通过正则表达式匹配复杂的字符串模式。例如，提取日志文件中的特定日志类型或错误信息。
308-6、用法
308-6-1、数据准备
无
308-6-2、代码示例
# 308、pandas.Series.str.contains函数# 308-1、数据筛选与过滤import pandas as pd# 示例数据data = pd.Series(['apple pie', 'banana bread', 'apple juice', 'grape soda'])# 筛选包含“apple”的行apple_products = data[data.str.contains('apple')]print(apple_products, end='\n\n')# 308-2、数据清洗与预处理import pandas as pd# 示例数据emails = pd.Series(['test@example.com', 'invalidemail.com', 'user@domain.com', 'another.invalidemail'])# 筛选不包含“@”符号的行invalid_emails = emails[~emails.str.contains('@')]print(invalid_emails, end='\n\n')# 308-3、特征工程import pandas as pd# 示例数据data = pd.DataFrame({'review': ['This is good', 'Very bad experience', 'Good value for money', 'Not good at all']})# 创建一个新特征，表示评论中是否包含“good”data['contains_good'] = data['review'].str.contains('good', case=False)print(data, end='\n\n')# 308-4、异常值检测import pandas as pd# 示例数据addresses = pd.Series(['123 Main St.', '456 Elm St.', '!@#$% Invalid', '789 Oak St.'])# 查找包含无效字符的地址invalid_addresses = addresses[addresses.str.contains('[!@#$%^&*()]', regex=True)]print(invalid_addresses, end='\n\n')# 308-5、分类与标记import pandas as pd# 示例数据data = pd.DataFrame({'title': ['Breaking News: Market Crash', 'Daily Update', 'Breaking: New Law Passed', 'Weather Report']})# 标记标题中包含“Breaking”的行data['is_breaking'] = data['title'].str.contains('Breaking')print(data, end='\n\n')# 308-6、数据对比import pandas as pd# 示例数据user_addresses = pd.Series(['123 Main St.', '456 Elm St.', '789 Oak St.', 'Unknown Address'])standard_addresses = ['123 Main St.', '456 Elm St.', '789 Oak St.']# 筛选出与标准地址匹配的用户输入地址matched_addresses = user_addresses[user_addresses.str.contains('|'.join(standard_addresses))]print(matched_addresses, end='\n\n')# 308-7、正则表达式的应用import pandas as pd# 示例数据logs = pd.Series(['INFO: System running', 'ERROR: Disk full', 'INFO: Backup completed', 'ERROR: Network down'])# 提取包含“ERROR”的日志行error_logs = logs[logs.str.contains('ERROR')]print(error_logs)
308-6-3、结果输出
# 308、pandas.Series.str.contains函数# 308-1、数据筛选与过滤# 0 apple pie# 2 apple juice# dtype: object# 308-2、数据清洗与预处理# 1 invalidemail.com# 3 another.invalidemail# dtype: object# 308-3、特征工程# review contains_good# 0 This is good True# 1 Very bad experience False# 2 Good value for money True# 3 Not good at all True# 308-4、异常值检测# 2 !@#$% Invalid# dtype: object# 308-5、分类与标记# title is_breaking# 0 Breaking News: Market Crash True# 1 Daily Update False# 2 Breaking: New Law Passed True# 3 Weather Report False# 308-6、数据对比# 0 123 Main St.# 1 456 Elm St.# 2 789 Oak St.# dtype: object# 308-7、正则表达式的应用# 1 ERROR: Disk full# 3 ERROR: Network down# dtype: object
309、pandas.Series.str.count方法
309-1、语法
# 309、pandas.Series.str.count方法pandas.Series.str.count(pat, flags=0)Count occurrences of pattern in each string of the Series/Index.This function is used to count the number of times a particular regex pattern is repeated in each of the string elements of the Series.Parameters:patstrValid regular expression.flagsint, default 0, meaning no flagsFlags for the re module. For a complete list, see here.**kwargsFor compatibility with other string methods. Not used.Returns:Series or IndexSame type as the calling object containing the integer counts.
309-2、参数
309-2-1、pat**(必须)**：一个正则表达式模式，用于匹配字符串中的子字符串，可以是简单的字符，也可以是复杂的正则表达式。
309-2-2、flags**(可选，默认值为0)**：用于正则表达式的标志，可以修改正则表达式的行为，常用的标志包括：
- re.IGNORECASE或re.I：忽略大小写匹配。
- re.MULTILINE或re.M：将每行视为单独的字符串，允许^和
$匹配每行的开始和结束。 - re.DOTALL或re.S：让
.匹配包括换行符在内的所有字符。 - re.VERBOSE或re.X：允许你写更具可读性的正则表达式。
309-3、功能
对每个字符串值应用正则表达式模式，并返回该模式在字符串中出现的次数，它可以用于整个Series，也就是每个字符串元素都会单独计算匹配次数。
309-4、返回值
返回一个与原始Series 具有相同索引的新的Series，每个元素都是一个整数，表示pat在相应字符串中出现的次数。
309-5、说明
无
309-6、用法
309-6-1、数据准备
无
309-6-2、代码示例
# 309、pandas.Series.str.count方法# 309-1、基本用法import pandas as pd# 示例数据data = pd.Series(['apple', 'banana', 'cherry', 'date', 'apple pie'])# 统计每个字符串中 'a' 的出现次数a_count = data.str.count('a')print(a_count, end='\n\n')# 309-2、使用flags参数import pandas as pdimport re# 示例数据data = pd.Series(['Apple', 'banana', 'Cherry', 'Date', 'apple pie'])# 统计每个字符串中'a'的出现次数，忽略大小写a_count_case_insensitive = data.str.count('a', flags=re.IGNORECASE)print(a_count_case_insensitive)
309-6-3、结果输出
# 309、pandas.Series.str.count方法# 309-1、基本用法# 0 1# 1 3# 2 0# 3 1# 4 1# dtype: int64# 309-2、使用flags参数# 0 1# 1 3# 2 0# 3 1# 4 1# dtype: int64
310、pandas.Series.str.decode函数
310-1、语法
# 310、pandas.Series.str.decode函数pandas.Series.str.decode(encoding, errors='strict')Decode character string in the Series/Index using indicated encoding.Equivalent to str.decode() in python2 and bytes.decode() in python3.Parameters:encodingstrerrorsstr, optionalReturns:Series or Index
310-2、参数
310-2-1、encoding**(必须)**：字符串，指定要使用的字符编码类型，例如'utf-8'、'ascii'、'latin-1'等，该参数定义了如何将二进制数据解码为字符串。
310-2-2、errors**(可选，默认值为'strict')**：定义在解码过程中遇到错误时的处理方式，可选值如下：
- 'strict'(默认值)：遇到无法解码的字节时会引发一个UnicodeDecodeError。
- 'ignore'：忽略无法解码的字节，不会引发错误，也不会在结果中包含这些字节。
- 'replace'：用替代字符(通常是?或\uFFFD)代替无法解码的字节。
- 'backslashreplace'：将无法解码的字节替换为反斜杠转义序列。
- 'namereplace'：将无法解码的字节替换为\N{...}名称转义序列。
- 'xmlcharrefreplace'：将无法解码的字节替换为XML字符引用。
310-3、功能
用于对Series对象中的字符串进行解码，该方法会尝试将每个字符串解码为指定的编码，并根据errors参数处理可能的解码错误。
310-4、返回值
返回一个新的Series或Index对象，其中的元素为解码后的字符串，如果解码过程中发生错误，且errors参数设置为'ignore'、'replace'等，错误处理将影响返回值的内容。
310-5、说明
无
310-6、用法
310-6-1、数据准备
无
310-6-2、代码示例
# 310、pandas.Series.str.decode函数import pandas as pd# 创建一个Series对象，其中包含以UTF-8编码的字节字符串s = pd.Series([b'\xe4\xbd\xa0\xe5\xa5\xbd', b'\xe4\xb8\x96\xe7\x95\x8c'])# 对字节字符串进行解码，使用UTF-8编码decoded_s = s.str.decode(encoding='utf-8')print(decoded_s)
310-6-3、结果输出
# 310、pandas.Series.str.decode函数# 0 你好# 1 世界# dtype: object
二、推荐阅读
1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页
本文转载自: https://blog.csdn.net/ygb_1024/article/details/141021750
版权归原作者 神奇夜光杯 所有， 如有侵权，请联系我们删除。
版权归原作者 神奇夜光杯 所有， 如有侵权，请联系我们删除。