Poza liczbami z pythonowymi pandami

Pandas to jedna z najczęściej używanych bibliotek Pythona. Udostępnia liczne funkcje i metody umożliwiające wydajną analizę i manipulację danymi.

Mamy tendencję do kojarzenia danych tabelarycznych z liczbami. Jednak znaczna ilość surowych danych ma postać tekstową. Na szczęście Pandas ma kilka metod manipulowania danymi tekstowymi.

Dostęp do metod manipulowania ciągami można uzyskać za pośrednictwem akcesora str. W tym artykule omówimy przykłady, aby zbadać te metody.

Zacznijmy od utworzenia przykładowej ramki danych z próbnymi danymi.

import pandas as pd
df = pd.DataFrame({
"FirstName": ["Jane","john","Ashley", "MATT", "Alex"],
   "LastName": ["Doe", "Smitt", "Adams", "Tull", "Morgan"],
   "Address": ["Houston, TX", "Dallas, TX", "San Antonio, TX", 
            "Palo Alto, CA", "San Diego, CA"]
})
df

      

       (image by author)
      

Możemy przekonwertować je na wszystkie wielkie lub małe litery. Pandas ma metody na obie operacje.

df["FirstName"] = df["FirstName"].str.lower()
df["LastName"] = df["LastName"].str.lower()
df

      

       (image by author)
      

df.insert(2, 
          "Name", 
          df["FirstName"].str.cat(df["LastName"], sep=" "))
df

      

       (image by author)
      

Metoda cat pod akcesorem str łączy ciągi. Jest używany w trzecim parametrze funkcji insert, gdzie definiujemy wartości nowej kolumny.

Inną powszechną operacją na strunach jest dzielenie. W niektórych przypadkach dane tekstowe zawierają kilka informacji. Na przykład kolumna adresu zawiera zarówno nazwę miasta, jak i stanu. Możemy wyodrębnić informacje o mieście lub stanie, dzieląc tę ​​kolumnę.

df["State"] = df["Address"].str.split(",", expand=True)[1]
df

      

       (image by author)
      

Metody beginwith i endwith umożliwiają filtrowanie odpowiednio na podstawie pierwszej lub ostatniej litery ciągu. Jeżeli szukamy ciągu znaków w łańcuchu, to można użyć metody include. Wszystkie te metody są dostępne pod akcesorem str.

df[df["Name"].str.startswith("j")]

      

       (image by author)
      
df[df["Address"].str.contains("TX")]

      

       (image by author)
      

Metoda replace może służyć do zastępowania sekwencji znaków w ciągu. Zróbmy przykład, aby zademonstrować, jak jest używany.

df["Address"] = df["Address"].str.replace("TX", "Texas")
df

      

       (image by author)
      

Wniosek

Metody ciągów Pandy są połączone pod akcesorem str. Omówiliśmy te, z których prawdopodobnie będziesz korzystać częściej.

Dane tekstowe zawierają bardzo cenne informacje i zawsze będą w naszym życiu. Dlatego bardzo ważne jest, aby nauczyć się nim manipulować i radzić sobie z nim.

Dziękuję za przeczytanie. Daj mi znać, jeśli masz jakieś uwagi.