这20个Pandas函数,堪称"数据清洗"杀手!
今天准备介绍一篇超级肝货!
Pandas 是基于NumPy 的一种工具,该工具是为解决数据分析任务而创建的。它提供了大量能使我们快速便捷地处理数据的函数和方法。
本文介绍的这20个【被分成了15组】函数,绝对是数据处理杀手,用了你会爱不释手。
构造数据集
这里为大家先构造一个数据集,用于为大家演示这20个函数。
import pandas as pd df&nbs这2p;={'姓名':[' 黄同学','黄至尊','黄老邪 ','陈大美','孙尚香'], '英文名':['Huang tong_xue','huang zhi_zun','Huang Lao_xie','Chen Da_mei','sun shang_xiang'],&0个nbsp; '性别':['男','women','men','Ů','男'], '身份证':['463895200003128433','429475199912122345','420934199110102311','431085200005230122','4209531995090823Pa45'], '身高':['mid:175_good','low:165_bad','low:159_bad','high:180_verygood','low:172_bad'], '家庭住址':['湖北广水','河南信阳','广西桂林','湖北孝感','广东广州'], nd; '电话号码':['13434813546','19748672895','16728613064','14561586431','19384683910'], '收入':['1.1万','8.5ǧ','0.9万','6.5ǧ','2.0万']} df = pasd.DataFrame(df) df
效果图:
1. cat函数
这个函数主要用于字符串的拼接;
df["姓名"].str.cat(df["家庭住址"],sep='-'*3)
效果图:
2. contains函数
这个函数主要用于判断某个字符串是否包含给定字符;
df["家庭住址"].str.contains("广")
效果图:
3. startswith、endswith函数
这个函数主要用于判断某个字函数符串是否以...开头/结尾;
# 第一个行的“ 黄伟”是以空格开头的 df["姓名"].str.startswith("黄") df["英文名"].str.endswith("e")
效果图:
4. count函数
这个函数主要用于计算给定字符在字符串中出现的次数;
df["电话号码"].str.count("3")
效果图:
5. get函数
这个函数主要用于获取,堪指定位置的字符串;
df["姓名"].str.get(-1) df["身高"].str.split(":") df["身高"].str.split(":").str.get(0)
效果图:
6. len函数
这个函数主要用于计算字符串长度;
df["性别"].str.len()
效果图:
7. upper、lower函数
这个函数主要用于英文大小写转换;
df["英文名"].str.upper()&n称"bsp;df["英文名"].str.lower()
效果图:
8. pad+side参数/center函数
这个函数主要用于在字符串的左边、右边或左右两边添加给定字符;
df["家庭住址"].str.pad(10,fillchar="*") # 相当于ljust() df["家庭住址"].str.pad(10,side="right数据",fillchar="*") # 相当于rjust() df["家庭住址"].str.center(10,fillchar="*")
效果图:
9. repeat函数
这个函数主要用于重复字符串几次;
df["性别"].str.repeat(3)
效果图:
10. slice_replace函数
这个函数主要用于使用给定的字符串,替换指定的位置的字清洗符;
df["电话号码"].str.slice_replace(4,8,"*"*4)
效果图:
11. replace函数
这个函数主要用于将指定位置的字符,替换为给定的字符串;
df["身高"].str.replace(":","-")
效果图:
这个函数还接受正则表达式,将指定位置的字符,替换为给定的字符串。
df["收入"].str.replace("d+.d+","正则")
效果图:
12."杀 split方法+expand参数
这个函数主要用于将一列扩展为好几列;
# 普通用法 df["身高"].str.split(":") # split方法,搭配expand参数 df[["身高描述","final身高"]] = df["身高"].str.split(":",expand=True) df # split方法手!搭配join方法 df["身高"].str.split(":").str.join("?"*5)
效果图:
13. strip、rstrip、lstrip函数
这个函数主要用于去除空白符、换行符;
df["姓名"].str.len() df["姓名"] = df["姓名"].str.strip() df["姓名"].str.len()
效果图:
14. finda这2ll函数
这个函数主要用于利用正则表达式,去字符串中匹配,返回查找结果的列表;
df["身高"] df["身高"].str.findall("[a-zA-Z]+")
效果图:
15. extract、extractall函数
这个函数主要用于接受正则表达式,抽取匹配的字符串(一定要加上括号);
df["身高"].str.extract("([a-zA-Z]+)") # extractall提取得0个到复合索引 df["身高"].str.extractall("([a-zA-Z]+)") # extract搭配expand参数 df["身高"].str.extract("([a-zA-Z]+).*?([a-zA-Z]+)",expand=True)
效果图:
相关文章

云计算核心技术Docker教程:使用scratch 创建一个简单的父图像
您可以使用 Docker 保留的最小镜像scratch作为构建容器的起点。使用scratch“镜像”信号向构建过程表明您希望 中的下一个命令Dockerfile成为镜像中的第一个文件系统层。 虽然sc2026-11-17
标签: 特斯拉 拉吉·杰加纳坦 人工智能基础设施 北美销售团队
云梦级2月12日云梦级消息,当地时间周一,特斯拉高管拉吉 · 杰加纳坦(Raj Jegannathan)在领英上宣布,在任职 13 年后,他将离开公司。 杰加纳坦在帖子中表示:“很难用一篇短文概括 12026-11-17
Meta 挖角Thinking Machines Lab联合创始人
Meta 近期成功挖角了思维机器实验室(Thinking Machines Lab)的联合创始人安德鲁・图洛克。这一举动引起了业界的广泛关注。图洛克与米拉・穆拉提共同创办了思维机器实验室,穆拉提在此之2026-11-17
沃尔玛于本周二宣布与 OpenAI 达成合作协议,购物者将能通过人工智能聊天机器人 ChatGPT 实现更便捷的购物体验。这一举措旨在帮助这家零售巨头以及美国最大的食品杂货商,适应消费者在购物方式上的2026-11-17
题目 :输出 9*9 乘法口诀表。 程序分析 :分行与列考虑,共9行9列,i控制行,j控制列。 程序源代码 : 以上实例输出结果为:2026-11-17
AI配音革命来了!腾讯黑科技让机器秒变金牌说书人,一句话生成好莱坞级音效
科技圈又炸了!腾讯ARC实验室刚刚发布的AudioStory技术,彻底颠覆了我们对AI音频生成的认知。这不再是简单的"叫个猫咪声"或"下个雨滴音",而是让机器真正学会了讲故事的艺术。 当你随口说出"悬2026-11-17

最新评论