pandas - Python 的 str 替换介绍

Pandas是一个Python库，用于数据处理和分析。”pandas”是“Python data analysis”（Python数据分析）的缩写。在Pandas中，数据通常保存在DataFrame对象中，而字符串（str）是其中一种常见的数据类型。在本文中，我们将讨论如何在Pandas中使用str替换操作。

str.replace()方法

Pandas中的str.replace()方法可用于替换字符串中的子字符串。它的语法如下：

Series.str.replace(pat, repl, n=-1, case=None, flags=0)

其中：

• pat：要替换的子字符串。
• repl：替换成的字符串。
• n：要替换的最大数量。默认值为-1，表示所有匹配的子字符串都将进行替换。
• case：指定是否进行大小写敏感匹配。默认值为True，表示进行大小写敏感匹配。
• flags：可选标记。默认值为0。

下面是一个示例，演示如何在DataFrame中使用str.replace()方法：

import pandas as pd

data = {'name': ['Amy', 'Bob', 'Cathy'], 'gender': ['female', 'male', 'female']}
df = pd.DataFrame(data)

df['gender'] = df['gender'].str.replace('female', 'F').str.replace('male', 'M')

print(df)

输出：

    name gender
0    Amy      F
1    Bob      M
2  Cathy      F

在本示例中，我们将字符串列中的“female”替换为“F”，并将“male”替换为“M”。

str.replace()方法的高级用法

除了基本用法之外，还可以使用str.replace()方法的一些高级用法。下面是其中一些示例：

在正则表达式中使用str.replace()方法

当您在指定字符串中使用正则表达式时，可以在str.replace()方法中使用该表达式。例如，下面是一个示例，演示如何使用正则表达式将日期字符串从“mm/dd/yyyy”格式转换为“yyyy-mm-dd”格式：

import pandas as pd

data = {'date': ['01/01/2020', '01/02/2020', '01/03/2020']}
df = pd.DataFrame(data)

df['date'] = df['date'].str.replace(r'(\d{2})/(\d{2})/(\d{4})', r'\3-\1-\2', regex=True)

print(df)

输出：

         date
0  2020-01-01
1  2020-01-02
2  2020-01-03

在本示例中，我们使用正则表达式将日期字符串从“mm/dd/yyyy”格式转换为“yyyy-mm-dd”格式。正则表达式“(\d{2})/(\d{2})/(\d{4})”匹配日期字符串中的“月/日/年”部分，然后我们使用“\3-\1-\2”代替字符串中的相应部分，从而得到新的日期字符串。

使用字典将多个替换值映射到一个公共值

当您希望将多个替换值映射到一个公共值时，可以使用字典和str.replace()方法。例如，下面是一个示例，演示如何使用字典将颜色名称缩写为三个字母：

import pandas as pd

data = {'color': ['red', 'green', 'blue', 'purple']}
df = pd.DataFrame(data)

color_dict = {'red': 'R', 'green': 'G', 'blue': 'B', 'purple': 'Other'}
df['color'] = df['color'].replace(color_dict)

print(df)

输出：

    color
0       R
1       G
2       B
3   Other

在本示例中，我们使用字典将颜色名称与相应的三个字母缩写相关联。然后，我们使用str.replace()方法将颜色名称替换为相应的缩写。在这里，“purple”被映射到“Other”。

将正则表达式和字典组合使用

您还可以将正则表达式和字典组合使用，以便在DataFrame中进行更复杂的字符串操作。例如，下面是一个示例，演示如何在DataFrame中根据正则表达式和字典生成新的列：

import pandas as pd

data = {'employee': ['Amy, female', 'Bob, male', 'Cathy, female']}
df = pd.DataFrame(data)

df[['name', 'gender']] = df['employee'].str.extract(r'(\w+), (\w+)', expand=True)
df['title'] = df['gender'].replace({'female': 'Ms.', 'male': 'Mr.'}) + ' ' + df['name']

print(df)

输出：

         employee    name  gender       title
0     Amy, female     Amy  female    Ms. Amy
1       Bob, male     Bob    male     Mr. Bob
2  Cathy, female  Cathy  female  Ms. Cathy

在本示例中，我们首先使用正则表达式将字符串列拆分为两列：姓名和性别。然后，我们使用字典将各种性别映射到称谓，这样我们就可以生成一个新列，“title”，其中包含每个员工的姓名和称谓。

总结

在本文中，我们介绍了Pandas中的str.replace()方法，该方法可用于替换DataFrame中字符串列中的子字符串。我们还探讨了str.replace()方法的一些高级用法，包括在正则表达式中使用该方法和使用字典将多个替换值映射到一个公共值。希望这些信息能够帮助您更好地处理和分析Pandas中的文本数据！