前言

当我们遇到一个超级大的DataFrame，里面有一列类型为字符串，要将每一行的字符串都用同一方式进行处理，一般会想到遍历整合DataFrame，但是如果直接这样做的话将会耗费很长时间，有时几个小时都处理不完。于是就有了本篇文章所要分享给大家的：pandas快速处理字符串方法。

提示：为方便快捷地解决问题，本文仅介绍主要功能。

一、向量化字符串操作简介

向量化操作简化了纯数值的数组操作语法，我们不需要再担心数组的长度或维度，只需要把中心放在操作上面。而对字符串的向量化需要工具包的支持，如Numpy就没办法直接对字符串进行向量化操作，只能通过繁琐的循环来实现。Pandas则可以很好的处理这类问题。

二、str方法的简介

Python会处理字符串起来会很容易，作为工具包的Pandas同样可以简单快速的处理字符串，几乎把Python内置的字符串方法都给复制过来了，这种方法就是Pandas内置的str方法，通俗来说就可以将series和index对象中包含字符串的部分简单看作单个字符串处理，达到批量简单快速处理的目的。

三、str方法介绍

1、类似Python处理字符串的方法

与Python内置的字符串处理方法类似，包含以下函数：len()lower()translate()islower()

ljust()upper()startswith()isupper()

rjust()find()endswith()isnumeric()

center()rfind()isalnum()isdecimal()

zfill()index()isalpha()split()

strip()rindex()isdigit()rsplit()

rstrip()capitalize()isspace()partition()

lstrip()swapcase()istitle()rpartition()

除此函数之外，也可以直接通过切片方法对字符串进行批量处理。下面是例子。

import pandas as pd

str_data = pd.DataFrame({'name':['Verne Raymond','Chapman Becher','Patrick George','Saxon MacArthur'],

'age':[18,22,21,16]})

Out[0]:

name age

0 Verne Raymond 18

1 Chapman Becher 22

2 Patrick George 21

3 Saxon MacArthur 16

len()函数使用：

str_data['name'].str.len()

Out[1]:

0 13

1 14

2 14

3 15

Name: name, dtype: int64

split()函数使用：

str_data['name'].str.split(' ')

str_data['name'].str.split(' ',expand=True)#将分开的字符串放在两列

Out[2]:

0 [Verne, Raymond]

1 [Chapman, Becher]

2 [Patrick, George]

3 [Saxon, MacArthur]

Name: name, dtype: object

Out[3]:

0 1

0 Verne Raymond

1 Chapman Becher

2 Patrick George

3 Saxon MacArthur

其他函数都是同样的方式，函数具体参数可以参考官方文档：pandas.Series.

直接对字符串进行切片：

str_data['name'].str[:5]

Out[4]:

0 Verne

1 Chapm

2 Patri

3 Saxon

Name: name, dtype: object

2、使用正则表达式方法方法描述

match()在每个元素上调用re.match()，返回布尔值

extract()在每个元素上调用re.match()，返回作为字符串的每个分组

findall()在每个元素上调用re.findall()

replace()将模式串的每次出现替换为一些其它字符串

contains()在每个元素上调用re.search()，返回布尔值

count()统计模式串的出现次数

split()等价于str.split()，但是接受正则表达式

rsplit()等价于str.rsplit()，但是接受正则表达式

下面是例子：

replace()函数使用

str_data['name'].str.replace(' ','-')

Out[5]:

0 Verne-Raymond

1 Chapman-Becher

2 Patrick-George

3 Saxon-MacArthur

Name: name, dtype: object

extract()函数使用

str_data['name'].str.extract('([A-Za-z]+)')

Out[6]:

0

0 Verne

1 Chapman

2 Patrick

3 Saxon

正则表达式方法这里不再赘述。

四、总结

这里介绍了Pandas在处理字符串上提供的一些快速处理方法，将重点部分进行阐述，如有错误请大家指正。后面还会讲解类似快速处理数据的方法如：map()、apply()、applymap()等。不知者：pandas: DataFrame 将时间按小时分钟等方式聚合​zhuanlan.zhihu.com

更多内容敬请关注我的CSDN博客：