大小寫
大小寫轉換、首字母大寫、英文書寫格式、大小寫反轉的函式。pandas.Series.str.capitalize
file:[例1]
ser = pd.Series(['lower', 'CAPITALS', 'this is a sentence', 'SwApCaSe'])
print(ser.str.lower())
"""
0 lower
1 capitals
2 this is a sentence
3 swapcase
dtype: object
"""
print(ser.str.upper())
"""
0 LOWER
1 CAPITALS
2 THIS IS A SENTENCE
3 SWAPCASE
dtype: object
"""
print(ser.str.title())
"""
0 Lower
1 Capitals
2 This Is A Sentence
3 Swapcase
dtype: object
"""
print(ser.str.capitalize())
"""
0 Lower
1 Capitals
2 This is a sentence
3 Swapcase
dtype: object
"""
print(ser.str.swapcase())
"""
0 LOWER
1 capitals
2 THIS IS A SENTENCE
3 sWaPcAsE
dtype: object
"""
casefold
移除字串中的所有大小寫區別。等同於 lower()。pandas.Series.casefold
file:[例2]
ser = pd.Series(['lower', 'CAPITALS', 'this is a sentence', 'SwApCaSe'])
print(ser.str.casefold())
"""
0 lower
1 capitals
2 this is a sentence
3 swapcase
dtype: object
"""
查詢
contains
測試字串或正規表示式是否包含在 Series 的字串中，如例3所示，每一個字串都包含了 XL。pandas.Series.str.contains
file:[例3]
data = pd.read_excel(rf'C:\examples.xlsx')
print(data.loc[data['產品編碼'].str.contains(pat='XL')]['產品編碼'])
"""
1 XL03ACR107B001030204021
2 XL03ACR107B014020104870
4 XL01EBJ008A001010105847
5 XL01XGP043B001020104021
10 XL01EAY059A001010105847
...
2354 XR06AXL226A001010405848
2361 XL04AAL019A001010104859
2409 XR06AXL226A001010405848
2440 XR06AXL226K001010101442
2479 XR06AXL226A001010405848
Name: 產品編碼, Length: 100, dtype: object
"""
fullmatch
確定字串或正規表示式是否完全在 Series 的字串中，返回一個布林 Series。pandas.Series.str.fullmatch
file:[例4]
print(data.loc[data['產品編碼'].str.fullmatch(pat='XL')]['產品編碼'])
"""
Series([], Name: 產品編碼, dtype: object)
"""
如例4所示，XL 不完全匹配產品編碼的字串，即空。修改正規表示式，匹配範圍更廣一點：
file:[例5]
print(data.loc[data['產品編碼'].str.fullmatch('.*XL.*')]['產品編碼'])
"""
1 XL03ACR107B001030204021
2 XL03ACR107B014020104870
4 XL01EBJ008A001010105847
5 XL01XGP043B001020104021
10 XL01EAY059A001010105847
...
2354 XR06AXL226A001010405848
2361 XL04AAL019A001010104859
2409 XR06AXL226A001010405848
2440 XR06AXL226K001010101442
2479 XR06AXL226A001010405848
Name: 產品編碼, Length: 100, dtype: object
"""
fm = data.loc[data['產品編碼'].str.fullmatch('.*XL.*')]['產品編碼']
co = data.loc[data['產品編碼'].str.contains('.*XL.*')]['產品編碼']
print(fm.equals(co))
"""
True
"""
例3與例5的結果和數量都一致。
findall
在 Series 中查詢正規表示式的所有匹配項。pandas.Series.str.findall
file:[例6]
data = pd.read_excel(rf'C:\examples.xlsx')
print(data['產品編碼'].str.findall(r'[\d]+'))
"""
0 [10, 247, 002010103546]
1 [03, 107, 001030204021]
2 [03, 107, 014020104870]
3 [01, 112, 010030105198]
4 [01, 008, 001010105847]
...
2522 [10, 079, 002010207103]
2523 [10, 080, 002010107103]
2524 [10, 074, 002030100227]
2525 [10, 087, 002010107103]
2526 [10, 025, 002020181708]
Name: 產品編碼, Length: 2527, dtype: object
"""
findall 查詢的是匹配正規表示式中匹配的項，例如 XL03ACR107B001030204021 就會得到一陣列 [10, 247, 002010103546]。
endswith 和 startswith
- endswith：查詢在字串中是否包含指定結尾的子字串。不接受正規表示式。
- startswith：與 endswith 相反，查詢開頭的子字串。
file:[例7]
ser = pd.Series(['bat', 'bear', 'caT', np.nan])
print(ser.str.endswith('t'))
"""
0 True
1 False
2 False
3 NaN
dtype: object
"""
print(ser.str.startswith('b'))
"""
0 True
1 False
2 False
3 NaN
dtype: object
"""
這兩個函式可以結合 loc 來做索引 DataFrame 的操作，例如：df.loc[df['產品編碼'].str.startswith('XL')]。
count
計算 Series 中每個字串中的字元出現的次數。
file:[例8]
ser = pd.Series(['A', 'B', 'Aaba', 'Baca', np.nan, 'CABA', 'cat'])
print(ser.str.count('a'))
"""
0 0.0
1 0.0
2 2.0
3 2.0
4 NaN
5 0.0
6 1.0
dtype: float64
"""
文字處理
center、ljust、rjust
具體檢視官方示例文件 pandas.Series.str.center。
- center：左右兩邊填充字元到指定長度
- ljust：右填充字元到指定長度
- rjust：左填充字元到指定長度
這三個函式還與 pandas.Series.str.pad 函式、pandas.Series.str.zfill 函式類似。
strip、lstrip、rstrip
具體檢視官方示例文件 pandas.Series.str.strip。
- strip：清除首尾字元
- lstrip：清除首字元
- rstrip：清除尾字元
引數 to_strip 指的是：指定刪除的字符集，此字符集的所有組合都將被剝離為陣列。若 None 或不傳遞，則刪除空格。
file:[例9]
ser = pd.Series(['1. Ant. ', '2. Bee!\n', '3. Cat?\t', np.nan, 10, True])
ser.str.lstrip('123.')
"""首
0 Ant.
1 Bee!\n
2 Cat?\t
3 NaN
4 NaN
5 NaN
dtype: object
"""
ser.str.rstrip('.!? \n\t')
"""尾
0 1. Ant
1 2. Bee
2 3. Cat
3 NaN
4 NaN
5 NaN
dtype: object
"""
ser.str.strip('123.!? \n\t')
"""首尾
0 Ant
1 Bee
2 Cat
3 NaN
4 NaN
5 NaN
dtype: object
"""
與 lstrip 和 rstrip 相似的還有 removeprefix 和 removesuffix。
replace
替換 Series 中每次出現的 pattern 或者 regex。
file:[例10]
pd.Series(['foo', 'fuz', np.nan]).str.replace('f.', 'ba', regex=True)
"""
0 bao
1 baz
2 NaN
dtype: object
"""
pd.Series(['f.o', 'fuz', np.nan]).str.replace('f.', 'ba', regex=False)
"""
0 bao
1 fuz
2 NaN
dtype: object
"""
若要用正規表示式進行替換，需給 regex 傳遞 True，不然就會被當作為 patter 進行替換。如例10中的第二個，f.o 被替換為 bao，因為 regex 為 False，patter 為 f.。