Python酷库之旅-第三方库Pandas(079)

Python资料网推荐Python酷库之旅-第三方库Pandas(079)这篇文章给大家，欢迎收藏Python资料网享受知识的乐趣

目录

一、用法精讲

326、pandas.Series.str.normalize方法

326-1、语法

326-2、参数

326-3、功能

326-4、返回值

326-5、说明

326-6、用法

326-6-1、数据准备

326-6-2、代码示例

326-6-3、结果输出

327、pandas.Series.str.pad方法

327-1、语法

327-2、参数

327-3、功能

327-4、返回值

327-5、说明

327-6、用法

327-6-1、数据准备

327-6-2、代码示例

327-6-3、结果输出

328、pandas.Series.str.partition方法

328-1、语法

328-2、参数

328-3、功能

328-4、返回值

328-5、说明

328-6、用法

328-6-1、数据准备

328-6-2、代码示例

328-6-3、结果输出

329、pandas.Series.str.removeprefix方法

329-1、语法

329-2、参数

329-3、功能

329-4、返回值

329-5、说明

329-6、用法

329-6-1、数据准备

329-6-2、代码示例

329-6-3、结果输出

330、pandas.Series.str.removesuffix方法

330-1、语法

330-2、参数

330-3、功能

330-4、返回值

330-5、说明

330-6、用法

330-6-1、数据准备

330-6-2、代码示例

330-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

326、pandas.Series.str.normalize方法

326-1、语法

# 326、pandas.Series.str.normalize方法
pandas.Series.str.normalize(form)
Return the Unicode normal form for the strings in the Series/Index.

For more information on the forms, see the unicodedata.normalize().

Parameters:
form
{‘NFC’, ‘NFKC’, ‘NFD’, ‘NFKD’}
Unicode form.

Returns:
Series/Index of objects.

326-2、参数

326-2-1、form(必须)：指定了规范化的形式，可以选择以下四种形式：

• 'NFC'：Normalization Form C (Canonical Composition)，规范化形式C，将分解的字符组合成一个字符。比如，将 "é" 和 "é" 规范化为 "é"。
• 'NFD'：Normalization Form D (Canonical Decomposition)，规范化形式D，将字符分解为其基础字符和组合标记。比如，将 "é" 分解为 "e" 和 "́"。
• 'NFKC'：Normalization Form KC (Compatibility Composition)，兼容性组合，将兼容性等价的字符组合到一起，同时执行 NFC 规范化。
• 'NFKD'：Normalization Form KD (Compatibility Decomposition)，兼容性分解，将字符分解为其兼容性等价的基础字符和组合标记。

326-3、功能

        对字符串进行规范化处理，确保字符序列的唯一性，它对于处理来自不同来源的数据、统一字符串格式、提高字符串比较的一致性非常有用。

326-4、返回值

        返回一个新的pandas.Series对象，其中每个字符串都经过指定形式的规范化处理。

326-5、说明

        无

326-6、用法

326-6-1、数据准备

无

326-6-2、代码示例

# 326、pandas.Series.str.normalize方法
import pandas as pd
# 示例数据
data = pd.Series(['café', 'e\u0301clair', 'cafe\u0301'])
# 使用NFC进行规范化
normalized_data = data.str.normalize('NFC')
print(normalized_data)
# 使用NFD进行规范化
normalized_data = data.str.normalize('NFD')
print(normalized_data)
# 使用NFKC进行规范化
normalized_data = data.str.normalize('NFKC')
print(normalized_data)
# 使用NFKD进行规范化
normalized_data = data.str.normalize('NFKD')
print(normalized_data)

326-6-3、结果输出

# 326、pandas.Series.str.normalize方法
# 0      café
# 1    éclair
# 2      café
# dtype: object
# 0      café
# 1    éclair
# 2      café
# dtype: object
# 0      café
# 1    éclair
# 2      café
# dtype: object
# 0      café
# 1    éclair
# 2      café
# dtype: object

327、pandas.Series.str.pad方法

327-1、语法

# 327、pandas.Series.str.pad方法
pandas.Series.str.pad(width, side='left', fillchar=' ')
Pad strings in the Series/Index up to width.

Parameters:
width
int
Minimum width of resulting string; additional characters will be filled with character defined in fillchar.

side
{‘left’, ‘right’, ‘both’}, default ‘left’
Side from which to fill resulting string.

fillchar
str, default ‘ ‘
Additional character for filling, default is whitespace.

Returns:
Series or Index of object
Returns Series or Index with minimum number of char in object.

327-2、参数

327-2-1、width(必须)：整数，用于定义字符串在填充后的总宽度，如果字符串的长度小于这个宽度，将会在指定方向填充字符，使其达到指定宽度。

327-2-2、side(可选，默认值为'left')：指定填充的方向，选项有：

• 'left'：在字符串的左侧进行填充。
• 'right'：在字符串的右侧进行填充。
• 'both'：在字符串的两侧进行填充，如果需要在两侧填充，但总宽度不均匀，多余的填充字符会放在右侧。

327-2-3、fillchar(可选，默认值为' ')：字符串，用于填充的字符，该字符必须是单个字符长度的字符串。

327-3、功能

        将字符串填充到指定的宽度，这对于对齐文本或格式化输出非常有用，根据需要，您可以选择在字符串的左侧、右侧或两侧添加填充字符。

327-4、返回值

        返回一个新的pandas.Series对象，其中每个字符串都经过了指定方向和填充字符的处理，长度达到了指定的宽度。

327-5、说明

        无

327-6、用法

327-6-1、数据准备

无

327-6-2、代码示例

# 327、pandas.Series.str.pad方法
import pandas as pd
# 示例数据
data = pd.Series(['cat', 'dog', 'elephant'])
# 在左侧填充，使每个字符串的长度达到10，填充字符为'*'
padded_left = data.str.pad(width=10, side='left', fillchar='*')
# 在右侧填充，使每个字符串的长度达到10，填充字符为'-'
padded_right = data.str.pad(width=10, side='right', fillchar='-')
# 在两侧填充，使每个字符串的长度达到10，填充字符为'~'
padded_both = data.str.pad(width=10, side='both', fillchar='~')
print("Left Padded:\n", padded_left)
print("Right Padded:\n", padded_right)
print("Both Sides Padded:\n", padded_both)

327-6-3、结果输出

# 327、pandas.Series.str.pad方法
# Left Padded:
#  0    *******cat
# 1    *******dog
# 2    **elephant
# dtype: object
# Right Padded:
#  0    cat-------
# 1    dog-------
# 2    elephant--
# dtype: object
# Both Sides Padded:
#  0    ~~~cat~~~~
# 1    ~~~dog~~~~
# 2    ~elephant~
# dtype: object

328、pandas.Series.str.partition方法

328-1、语法

# 328、pandas.Series.str.partition方法
pandas.Series.str.partition(sep=' ', expand=True)
Split the string at the first occurrence of sep.

This method splits the string at the first occurrence of sep, and returns 3 elements containing the part before the separator, the separator itself, and the part after the separator. If the separator is not found, return 3 elements containing the string itself, followed by two empty strings.

Parameters:
sep
str, default whitespace
String to split on.

expand
bool, default True
If True, return DataFrame/MultiIndex expanding dimensionality. If False, return Series/Index.

Returns:
DataFrame/MultiIndex or Series/Index of objects.

328-2、参数

328-2-1、sep(可选，默认值为' ')：字符串，用于分割字符串的分隔符，该分隔符可以是任意字符或字符串。如果字符串中没有找到指定的分隔符，那么结果将包含原字符串，并且中间和右侧的结果为空字符串。

328-2-2、expand(可选，默认值为True)：布尔值，指定返回值的形式。

• 如果为True，方法将返回一个DataFrame，其中包含三列，分别对应分隔符前的部分、分隔符本身、分隔符后的部分。
• 如果为False，方法将返回一个Series，其中每个元素是一个包含这三部分的元组(before，sep，after)。

328-3、功能

        通过指定的分隔符将每个字符串分为三部分，该方法非常适合用于处理包含特定分隔符的字符串，帮助我们快速获取分隔符两侧的内容。

328-4、返回值

        根据expand参数的值，该方法有两种不同的返回值：

• 当expand=True时，返回一个DataFrame，每列分别表示分隔符前的部分、分隔符本身、分隔符后的部分。
• 当expand=False时，返回一个Series，其中每个元素是一个(before，sep，after)的元组。

328-5、说明

        无

328-6、用法

328-6-1、数据准备

无

328-6-2、代码示例

# 328、pandas.Series.str.partition方法
import pandas as pd
# 示例数据
data = pd.Series(['apple-pie', 'banana-split', 'cherry'])
# 使用'-'作为分隔符进行分割，expand=True，返回DataFrame
partitioned_df = data.str.partition(sep='-', expand=True)
# 使用'-'作为分隔符进行分割，expand=False，返回Series
partitioned_series = data.str.partition(sep='-', expand=False)
print("Partitioned DataFrame:\n", partitioned_df)
print("Partitioned Series:\n", partitioned_series)

328-6-3、结果输出

# 328、pandas.Series.str.partition方法
# Partitioned DataFrame:
#          0  1      2
# 0   apple  -    pie
# 1  banana  -  split
# 2  cherry          
# Partitioned Series:
#  0       (apple, -, pie)
# 1    (banana, -, split)
# 2          (cherry, , )
# dtype: object

329、pandas.Series.str.removeprefix方法

329-1、语法

# 329、pandas.Series.str.removeprefix方法
pandas.Series.str.removeprefix(prefix)
Remove a prefix from an object series.

If the prefix is not present, the original string will be returned.

Parameters:
prefix
str
Remove the prefix of the string.

Returns:
Series/Index: object
The Series or Index with given prefix removed.

329-2、参数

329-2-1、prefix(必须)：字符串，指定要移除的前缀，如果字符串的开头部分与prefix匹配，那么该部分将被移除；如果字符串不以prefix开头，则字符串保持不变。

329-3、功能

        从每个字符串的开头移除指定的前缀，该方法特别适用于清理数据时，需要删除统一的开头标识符或固定格式的前缀。

329-4、返回值

        返回一个新的Series，其中每个字符串都已经移除了指定的前缀，如果原始字符串不包含指定的前缀，则返回的字符串与原字符串相同。

329-5、说明

        无

329-6、用法

329-6-1、数据准备

无

329-6-2、代码示例

# 329、pandas.Series.str.removeprefix方法
import pandas as pd
# 示例数据
data = pd.Series(['prefix_text1', 'prefix_text2', 'no_prefix_text'])
# 使用'removeprefix'方法移除前缀'prefix_'
removed_prefix = data.str.removeprefix('prefix_')
print("Original Series:\n", data)
print("Series after removing prefix:\n", removed_prefix)

329-6-3、结果输出

# 329、pandas.Series.str.removeprefix方法
# Original Series:
#  0      prefix_text1
# 1      prefix_text2
# 2    no_prefix_text
# dtype: object
# Series after removing prefix:
#  0             text1
# 1             text2
# 2    no_prefix_text
# dtype: object

330、pandas.Series.str.removesuffix方法

330-1、语法

# 330、pandas.Series.str.removesuffix方法
pandas.Series.str.removesuffix(suffix)
Remove a suffix from an object series.

If the suffix is not present, the original string will be returned.

Parameters:
suffix
str
Remove the suffix of the string.

Returns:
Series/Index: object
The Series or Index with given suffix removed.

330-2、参数

330-2-1、suffix(必须)：字符串，指定要移除的后缀，如果字符串的结尾部分与suffix匹配，那么该部分将被移除；如果字符串不以suffix结尾，则字符串保持不变。

330-3、功能

        从每个字符串的结尾移除指定的后缀，该方法特别适用于清理数据时，需要删除统一的结尾标识符或固定格式的后缀。

330-4、返回值

        返回一个新的Series，其中每个字符串都已经移除了指定的后缀，如果原始字符串不包含指定的后缀，则返回的字符串与原字符串相同。

330-5、说明

        无

330-6、用法

330-6-1、数据准备

无

330-6-2、代码示例

# 330、pandas.Series.str.removesuffix方法
import pandas as pd
# 示例数据
data = pd.Series(['text1_suffix', 'text2_suffix', 'text3_nosuffix'])
# 使用'removesuffix'方法移除后缀'_suffix'
removed_suffix = data.str.removesuffix('_suffix')
print("Original Series:\n", data)
print("Series after removing suffix:\n", removed_suffix)

330-6-3、结果输出

# 330、pandas.Series.str.removesuffix方法
# Original Series:
#  0      text1_suffix
# 1      text2_suffix
# 2    text3_nosuffix
# dtype: object
# Series after removing suffix:
#  0             text1
# 1             text2
# 2    text3_nosuffix
# dtype: object

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

版权声明：本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！