python 字符串处理_python 数据清洗之字符串处理

在数据分析中，特别是文本分析中，字符处理需要耗费极大的精力，

因而了解字符处理对于数据分析而言，也是一项很重要的能力。

字符串处理方法

首先我们先了解下都有哪些基础方法

首先我们了解下字符串的拆分split方法

str='i like apple,i like bananer'

print(str.split(','))

对字符str用逗号进行拆分的结果：

['i like apple', 'i like bananer']

print(str.split(' '))

根据空格拆分的结果：

['i', 'like', 'apple,i', 'like', 'bananer']

print(str.index(','))

print(str.find(','))

两个查找结果都为：

找不到的情况下index返回错误，find返回-1

print(str.count('i'))

结果为：

connt用于统计目标字符串的频率

print(str.replace(',', ' ').split(' '))

结果为：

['i', 'like', 'apple', 'i', 'like', 'bananer']

这里replace把逗号替换为空格后，在用空格对字符串进行分割，刚好能把每个单词取出来。

除了常规的方法以外，更强大的字符处理工具费正则表达式莫属了。

正则表达式

在使用正则表达式前我们还要先了解下，正则表达式中的诸多方法。

下面我来看下个方法的使用，首先了解下match和search方法的区别

str = "Cats are smarter than dogs"

pattern=re.compile(r'(.*) are (.*?) .*')

result=re.match(pattern,str)

for i in range(len(result.groups())+1):

print(result.group(i))

结果为：

Cats are smarter than dogs

Cats

smarter

这种形式的pettern匹配规则下，match和search方法的的返回结果是一样的

此时如果把pattern改为

pattern=re.compile(r'are (.*?) .*')

match则返回none，search返回结果为：

are smarter than dogs

smarter

接下来我们了解下其他方法的使用

str = "138-9592-5592 # number"

pattern=re.compile(r'#.*$')

number=re.sub(pattern,'',str)

print(number)

结果为：

138-9592-5592

以上是通过把#号后面的内容替换为空实现提取号码的目的。

我们还可以进一步对号码的横杆进行替换

print(re.sub(r'-*','',number))

结果为：

13895925592

我们还可以用find的方法把找到的字符串打印出来

str = "138-9592-5592 # number"

pattern=re.compile(r'5')

print(pattern.findall(str))

结果为：

['5', '5', '5']

正则表达式的整体内容比较多，需要我们对匹配的字符串的规则有足够的了解，下面是具体的匹配规则。

矢量化字符串函数

清理待分析的散乱数据时，常常需要做一些字符串规整化工作。

data = pd.Series({'li': '120@qq.com','wang':'5632@qq.com',

'chen': '8622@xinlang.com','zhao':np.nan,'sun':'5243@gmail.com'})

print(data)

结果为：

可以通过规整合的一些方法对数据做初步的判断，比如用contains 判断每个数据中是否含有关键词

print(data.str.contains('@'))

结果为：

也可以对字符串进行分拆，把需要的字符串提取出来

data = pd.Series({'li': '120@qq.com','wang':'5632@qq.com',

'chen': '8622@xinlang.com','zhao':np.nan,'sun':'5243@gmail.com'})

pattern=re.compile(r'(\d*)@([a-z]+)\.([a-z]{2,4})')

result=data.str.match(pattern) #这里用fillall的方法也可以result=data.str.findall(pattern)

print(result)

结果为：

chen [(8622, xinlang, com)]

li [(120, qq, com)]

sun [(5243, gmail, com)]

wang [(5632, qq, com)]

zhao NaN

dtype: object

此时加入我们需要提取邮箱前面的名称

print(result.str.get(0))

结果为：

或者需要邮箱所属的域名

print(result.str.get(1))

结果为：

当然也可以用切片的方式进行提取，不过提取的数据准确性不高

data = pd.Series({'li': '120@qq.com','wang':'5632@qq.com',

'chen': '8622@xinlang.com','zhao':np.nan,'sun':'5243@gmail.com'})

print(data.str[:6])

结果为：

最后我们了解下矢量化的字符串方法

python 字符串处理_python 数据清洗之字符串处理相关推荐

python数据字符_python数据清洗系列之字符串处理详解
数据清洗是一项复杂且繁琐(kubi)的工作,同时也是整个数据分析过程中最为重要的环节.有人说一个分析项目80%的时间都是在清洗数据,这听起来有些匪夷所思,但在实际的工作中确实如此.数据清洗的目的有两个 ...
python字符串解释_Python学习：字符串的简单解释,深入浅出
字符串是python很常见的一种数据类型,比如日志的打印,程序中函数的注释,数据库的访问,变量的操作都需要用到字符串. 一.字符串基础字符串是由独立字符组成的一个序列,通常包含在单引号('')双引号 ...
python字符串输入_python如何输入字符串
字符串是 Python 中最常用的数据类型.我们可以使用引号( ' 或 " )来创建字符串. 创建字符串很简单,只要为变量分配一个值即可.例如:var1 = 'Hello World!' v ...
python字符串解释_python基础之字符串详解
1.Python环境配置: 下载好之后安装,注意勾选环境变量. 2.写python一定要注意代码的缩进. 2.字符串: (1).字符串是从左到右是从0开始索引,从右到左是从-1开始.遵循包前不包后原则 ...
python字符串定义符_python入门——定义字符串
坚持每天更新,帮助入门python. kali linux 小伙伴们,大家好,今下午我们一起学习在python中定义字符串. 那么什么是字符串呢?字符串或串(String)是由数字.字母.下划线组成的 ...
python 定义字符串变量_Python变量和字符串详解
几个月前,我开始学习个人形象管理,从发型.妆容.服饰到仪表仪态,都开始做全新改造,在塑造个人风格时,最基础的是先了解自己属于哪种风格,然后找到参考对象去模仿,可以是自己欣赏的人.明星或模特等,直至最后 ...
python 字符串子串_Python字符串子字符串
python 字符串子串 A substring is the part of a string. Python string provides various methods to create a ...
python定义字符串类型_Python数据类型之字符串
1. Python字符串的创建字符串是Python中最常见的数据类型,通常使用单引号或双引号来定义一个字符串,如下: str = "我是字符串" str1 = '我也是字符串' ...
python 截取字符串一部分_python 截取部分字符串
查看合同今天遇到一个问题,需要获取href属性中的链接部分,但是 driver.find_element_by_xpath("//span[@class='yellow-tips']/fo ...
python定义一个字符串变量_python怎么创建字符串变量
python怎么创建字符串变量? 字符串是 Python 中最常用的数据类型.我们可以使用引号('或")来创建字符串. 创建字符串很简单,只要为变量分配一个值即可.例如:var1 = 'He ...

python 字符串处理_python 数据清洗之字符串处理

python 字符串处理_python 数据清洗之字符串处理相关推荐

最新文章

热门文章