Python Pandas字符串分割技巧，提高數據處理效率

一、str對象介紹和基本操作

在Pandas中，字符串數據可以用str對象來進行操作。

str對象提供了許多字符串方法，下面是一些常用操作:

import pandas as pd
import numpy as np
s = pd.Series(['A','B','C','AA','BB','CC'])
s.str.lower() #將字符串轉為小寫
s.str.upper() #將字符串轉為大寫
s.str.len() #返回字符串長度
s.str.strip() #去掉兩邊空格
s.str.split('A') #用'A'進行字符串分割

上面的代碼會分別得到以下結果:

0     a
1     b
2     c
3    aa
4    bb
5    cc
dtype: object

0     A
1     B
2     C
3    AA
4    BB
5    CC
dtype: object

0    1
1    1
2    1
3    2
4    2
5    2
dtype: int64

0     A
1     B
2     C
3    AA
4    BB
5    CC
dtype: object

0            [, ]
1            [, ]
2            [, ]
3       [AA, , ]
4       [BB, , ]
5       [CC, , ]
dtype: object

二、字符串提取

在實際的數據處理中，常常需要從一個字符串中提取出一部分內容。

1. 使用str.slice提取子串

如果想要提取字符串中的某一個子串（如提取前幾個字符），可以使用str.slice方法。

import pandas as pd
import numpy as np
s = pd.Series(['abcd','efgh','ijkl'])
s.str.slice(0,2) #提取每個字符串的前2個字符
s.str.slice(1,3) #提取每個字符串的第2~3個字符

上面的代碼會得到以下結果:

0    ab
1    ef
2    ij
dtype: object

0    bc
1    fg
2    jk
dtype: object

2. 使用str.extract提取規則匹配的子串

如果需要提取一個字符串中符合某種規則的子串，可以使用str.extract方法，並給出一個正則表達式。

import pandas as pd
import numpy as np
s = pd.Series(['A1','B2','C3'])
s.str.extract('([AB])(\d)') #提取以A或B開頭，後跟一個數字的子串

上面的代碼會得到以下結果:

   0  1
0  A  1
1  B  2

三、字符串拼接

在實際開發過程中，經常需要將多個字符串進行合併。

1. 使用”+”號進行拼接

使用”+”號把多個字符串拼接起來是最簡便的方法，可以用以下代碼實現:

import pandas as pd
import numpy as np
s1 = pd.Series(['A','B','C'])
s2 = pd.Series(['D','E','F'])
s3 = s1 + s2
print(s3)

上面的代碼會得到以下結果:

0    AD
1    BE
2    CF
dtype: object

2. 使用str.cat方法進行拼接

除了用”+”號拼接以外，還可以使用str.cat方法進行拼接，可以使用以下代碼實現:

import pandas as pd
import numpy as np
s1 = pd.Series(['A','B','C'])
s2 = pd.Series(['D','E','F'])
s3 = s1.str.cat(s2)
print(s3)

上面的代碼會得到以下結果:

0    AD
1    BE
2    CF
dtype: object

四、字符串分割

在實際開發中，經常需要對包含多個字段的字符串進行拆分。

1. 使用str.split方法進行分割

使用str.split方法進行分割是最直接的方法，可以使用以下代碼實現:

import pandas as pd
import numpy as np
s = pd.Series(['A,B,C','D,E,F','G,H,I'])
s.str.split(',', expand=True) #以逗號作為分隔符，將每個字符串拆分成3個部分

上面的代碼會得到以下結果:

   0  1  2
0  A  B  C
1  D  E  F
2  G  H  I

2. 使用str.extract方法提取分隔符中間的內容

如果需要提取分隔符中間的內容，可以使用str.extract方法，可以使用以下代碼實現:

import pandas as pd
import numpy as np
s = pd.Series(['A_B_C','D_E_F','G_H_I'])
s.str.extract('_(.*)_') #提取每個字符串中以_開頭和結尾的內容

上面的代碼會得到以下結果:

    0
0  B
1  E
2  H

總結：

通過本文的介紹，我們了解了Pandas中字符串“提取、拼接和分隔”的技巧，提高了數據處理效率。在實際數據處理過程中，我們可以根據具體情況選擇適合的方法，以提高代碼的可靠性和可維護性。