【Python自动化Excel】Python与pandas字符串操作.doc

Python 自动化 Excel - Python 与 pandas 字符串操作 Python 是一种流行的数据分析语言，其简洁易用的字符串处理能力是其流行的原因之一。 Python 的字符串对象封装了很多开箱即用的内置方法，处理单个字符串时十分方便；对于 Excel、csv 等表格文件中整列的批量字符串操作，pandas 库也提供了简洁高效的处理函数，几乎与内置字符串函数一一对应。 本文将对比使用 Python 内置的字符串方法和 pandas 库中的字符串函数，来加深对 Python 和 pandas 字符串操作的理解。 一、替换（去除空格） 在处理字符串时，经常需要将空格去除，以便于后续的数据处理操作。 Python 内置的replace()方法可以实现这个功能，而 pandas 库也提供了str.replace()方法来实现批量字符串操作。 Python 代码示例： names = '刘备、关羽、张飞、赵云、马超、黄忠' names = names.replace(' ','') print(names) 输出结果： 刘备、关羽、张飞、赵云、马超、黄忠 Pandas 代码示例： df['姓名'] = df['姓名'].str.replace(' ','') 输出结果： 同上 二、分列 在处理多选题的数据时，经常需要将字符串分列成多个部分。 Python 的split()方法可以实现这个功能，而 pandas 库也提供了str.split()方法来实现批量字符串操作。 Python 代码示例： hobbyStr = "足球┋排球┋羽毛球┋篮球" hobbyList = hobbyStr.split('┋') print(hobbyList) 输出结果： ['足球','排球','羽毛球','篮球'] Pandas 代码示例： hobbyDf = df['爱好'].str.split('┋', expand=True) df2 = pd.merge(df, hobbyDf, how='left', left_index=True, right_index=True) 输出结果： 分列、合并、导出 Excel 后效果 三、切片：截取数据 Python 的字符串可以直接进行切片操作，以截取特定的数据。例如，截取城市名称和小区名称。 Python 代码示例： addressStr = "XX 市四季家园二区 22 幢 203 室" print(f"城市：{addressStr[:3]}") print(f"小区：{addressStr[3:9]}") 输出结果： 城市：XX 市 小区：四季家园二区 Pandas 代码示例： df["城市"] = df["地址"].str[:3] ... 输出结果： 同上 四、补齐数据 在处理字符串时，经常需要补齐数据位数，以便于后续的数据处理操作。 Python 的zfill()方法可以实现这个功能，而 pandas 库也提供了str.zfill()方法来实现批量字符串操作。 Python 代码示例： myStr = "1 章节" print(myStr.zfill(4)) 输出结果： 01 章节 Pandas 代码示例： df["新文件名"] = "第" + df["文件名"].str[1:].str.zfill(8) 输出结果： image-20220330005403437 五、正则表达式 Python 的正则表达式可以匹配字符串的格式特点，是一种非常强大的字符串处理武器。 pandas 库也提供了str.contains()、str.match()等方法来实现批量字符串操作。 Python 代码示例： import re pattern = r'\d{4}-\d{2}-\d{2}' string = "2022-03-30" if re.match(pattern, string): print("Match!") else: print("No match!") 输出结果： Match! Pandas 代码示例： df["日期"] = df["日期"].str.contains(pattern) 输出结果： 同上