Pandas-String-Operationen

Pandas bietet leistungsstarke String-Verarbeitungsfunktionen. Durch den.strAccessor können Sie jedes Element in einer Series verarbeiten, genau wie beim Arbeiten mit Python-Strings.


Überblick über den str-Accessor

Wenn der Datentyp der Series istobjectkönnen Sie die.strAccessor zum Ausführen von String-Operationen.

Beispiel

import pandas as pd

# Erstelle eine Series, die Strings enthält
s = pd.Series(["hello", "world", "pandas", "Python"])

print("Originalreihe:")
print(s)
print()

# In Kleinbuchstaben umwandeln
print("Kleinschreibung:")
print(s.str.lower())
print()

# In Großbuchstaben umwandeln
print("Großschreibung:")
print(s.str.upper())
print()

# Ersten Buchstaben großschreiben
print("Großgeschrieben:")
print(s.str.capitalize())

Häufige String-Funktionen

Umwandlung der Groß-/Kleinschreibung

Methode Beschreibung Beispiel
str.lower() In Kleinbuchstaben umwandeln "Hello" → "hello"
str.upper() In Großbuchstaben umwandeln "Hello" → "HELLO"
str.title() Ersten Buchstaben groß schreiben "hello world" → "Hello World"
str.capitalize() Ersten Buchstaben großschreiben, den Rest kleinschreiben "hELLO" → "Hello"
str.swapcase() Groß-/Kleinschreibung vertauschen "HeLLo" → "hEllO"

Zeichenfolge suchen und ersetzen

Beispiel

import pandas as pd

s = pd.Series(["hello world", "python pandas", "data science", "machine learning"])

print("Originaldaten:")
print(s)
print()

# Enthaltensein prüfen
print("Enthält 'python':")
print(s.str.contains("python", case=False))
print()

# Start/Ende prüfen
print("Beginnt mit 'hello':")
print(s.str.startswith("hello"))
print()

# Ersetzen
print("Leerzeichen durch Unterstriche ersetzen:")
print(s.str.replace(" ", "_"))
print()

# Aufteilen
print("Nach Leerzeichen aufteilen:")
print(s.str.split(" "))

Entfernen von Leerzeichen und Auffüllen

Beispiel

import pandas as pd

s = pd.Series([" hello ", "world ", " pandas", " python "])

print("Originaldaten:")
print(s)
print()

# Führende und nachfolgende Leerzeichen entfernen
print("Führende/nachfolgende Leerzeichen entfernen:")
print(s.str.strip())
print()

# Leerzeichen links entfernen
print("Leerzeichen links entfernen:")
print(s.str.lstrip())
print()

# Leerzeichen rechts entfernen
print("Leerzeichen rechts entfernen:")
print(s.str.rstrip())
print()

# Auffüllen
print("Mit 0 auf der linken Seite auf Länge 10 auffüllen:")
print(s.str.pad(10, side="left", fillchar="0"))

Slicing und Verkettung

Beispiel

import pandas as pd

s = pd.Series(["hello", "world", "python", "pandas"])

print("Originaldaten:")
print(s)
print()

# Slicing
print("Erste 3 Zeichen:")
print(s.str[:3])
print()

# Nimm 3 Zeichen ab Position 1
print("3 Zeichen ab Position 1:")
print(s.str[1:4])
print()

# String-Verkettung
s1 = pd.Series(["Hello", "World"])
s2 = pd.Series(["Python", "Pandas"])
print("Mit + verketten:")
print(s1 + " " + s2)
print()

# Mit join() verbinden (unter Verwendung eines angegebenen Trennzeichens)
print("Mit join() verbinden:")
print(s1.str.cat(s2, sep="-"))

Unterstützung für reguläre Ausdrücke

Pandas-String-Funktionen unterstützen reguläre Ausdrücke und machen sie zu einem leistungsstarken Werkzeug für den Umgang mit komplexen Zeichenfolgenmustern.

Beispiel

import pandas as pd

s = pd.Series([
    "user@example.com",
    "test@domain.org",
    "invalid-email",
    "admin@site.net"
])

print("Originaldaten:")
print(s)
print()

# E-Mail extrahieren
print("Benutzernamen extrahieren:")
print(s.str.extract(r"(\w+)@"))
print()

print("Domain extrahieren:")
print(s.str.extract(r"@(\w+\.\w+)"))
print()

# Ersetzen
print("E-Mail durch [email] ersetzen:")
print(s.str.replace(r"\w+@\w+\.\w+", "[email]", regex=True))
print()

# Enthaltensein prüfen
print("Enthält .com oder .org:")
print(s.str.contains(r"\.com|\.org"))

Extrahieren und Aufteilen

Beispiel

import pandas as pd

s = pd.Series(["2024-01-01", "2024-02-15", "2024-03-20"])

print("Originaldaten:")
print(s)
print()

# Jahr, Monat und Tag extrahieren
extract_df = s.str.extract(r"(\d{4})-(\d{2})-(\d{2})")
extract_df.columns = ["Year", "Month", "Day"]
print("Jahr/Monat/Tag extrahieren:")
print(extract_df)
print()

# Nach Trennzeichen aufteilen
s2 = pd.Series(["a,b,c", "d,e,f", "g,h,i"])
print("Nach Komma aufteilen:")
print(s2.str.split(","))
print()

# Aufteilen und in einen DataFrame erweitern
print("Aufteilen und erweitern:")
print(s2.str.split(",", expand=True))

Statistik und Konvertierung

Länge und Zählung

Beispiel

import pandas as pd

s = pd.Series(["hello", "world", "python", "pandas"])

print("Originaldaten:")
print(s)
print()

# Stringlänge
print("Stringlänge:")
print(s.str.len())
print()

# Zeichenanzahl
s2 = pd.Series(["hello", "world", "aaa", "bbb"])
print("Vorkommen des Zeichens 'l':")
print(s2.str.count("l"))

Typkonvertierung

Beispiel

import pandas as pd

# Zeichenkette in numerisch
s = pd.Series(["1", "2", "3", "abc"])
print("String in numerisch:")
print(pd.to_numeric(s, errors="coerce"))
print()

# Numerisch in Zeichenkette
s2 = pd.Series([1, 2, 3, 4])
print("Numerisch in Zeichenkette:")
print(s2.astype(str).str.zfill(4))  # Mit Nullen auf 4 Stellen auffüllen

Praktisch: Datenbereinigung

Beispiel

import pandas as pd
import numpy as np

# Schmutzige Daten simulieren
df = pd.DataFrame({
    "Name": [" Zhang San ", "Li Si", "Wang Wu "],
    "Phone": ["138-0000-0000", "13900000000", "  010-12345678  "],
    "Email": ["zhangsan@email.com", "LISI@EMAIL.COM", "wang.wu@domain.com "]
})

print("Originaldaten:")
print(df)
print()

# Bereinigungsschritte
# 1. Leerzeichen entfernen
df["Name"] = df["Name"].str.strip()
df["Phone"] = df["Phone"].str.replace("-", "").str.strip()
df["Email"] = df["Email"].str.strip().str.lower()

print("Nach der Bereinigung:")
print(df)
print()

# 2. Daten validieren
print("E-Mail-Validierung:")
print(df["Email"].str.contains(r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$"))

Wichtige Hinweise

1. Umgang mit fehlenden Werten

String-Operationen überspringen standardmäßig fehlende Werte (NaN). Wenn Sie sie behandeln müssen, können Sie.fillna()verwenden, um sie zuerst zu füllen.

2. Groß-/Kleinschreibung

Die meisten Funktionen sind standardmäßig case-sensitiv. Verwenden Sie dencase=FalseParameter für einen Abgleich ohne Berücksichtigung der Groß-/Kleinschreibung.

3. Leistung regulärer Ausdrücke

Reguläre Ausdrücke sind leistungsstark, aber relativ langsam. Achten Sie auf die Leistung bei der Verarbeitung großer Datenmengen.

Die String-Verarbeitung ist ein wichtiger Teil der Datenbereinigung. Die ordnungsgemäße Verwendung des.strAccessors kann die meisten Textverarbeitungsaufgaben effizient erledigen.

Andere Erweiterungen