pandas 截取字符串|极客笔记

pandas 截取字符串

在数据处理过程中，经常会遇到需要对字符串进行截取的情况，例如从一串文本中提取出指定的信息或者对字符串进行分割等操作。在Python中，pandas这个强大的数据分析库提供了丰富的功能来处理字符串，包括截取字符串、替换字符串、拼接字符串等。

本文将重点介绍pandas中如何截取字符串，包括从指定位置开始截取、截取指定长度的子串、按照特定的分隔符进行截取等操作。通过学习本文，读者将掌握pandas处理字符串的方法，能够更加灵活、高效地进行数据处理。

1. Series对象的字符串截取

在pandas中，字符串截取的主要对象是Series，Series是pandas中一种基本的数据结构，类似于一维数组，可以存储不同类型的数据。我们可以通过Series对象的str属性来进行字符串的截取。

1.1 从指定位置开始截取

我们可以使用str.slice()方法来截取字符串，指定起始位置和结束位置。下面是一个示例：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 30, 35, 40]}

df = pd.DataFrame(data)
df['name_slice'] = df['name'].str.slice(1)  # 从第二个字符开始截取
print(df)

运行结果如下：

      name  age name_slice
0    Alice   25      lice
1      Bob   30        ob
2  Charlie   35    harlie
3    David   40      avid

从结果可以看到，name列中的字符串被从第二个字符开始截取，生成了新的一列name_slice。

1.2 截取指定长度的子串

如果我们想要截取指定长度的子串，可以使用str.slice()方法，并且指定结束位置的索引。下面是一个示例：

df['name_slice'] = df['name'].str.slice(1, 3)  # 截取从第二个字符到第三个字符
print(df)

运行结果如下：

      name  age name_slice
0    Alice   25         li
1      Bob   30         ob
2  Charlie   35         ha
3    David   40         av

从结果可以看到，name列中的字符串被截取了指定长度的子串。

1.3 按照特定的分隔符进行截取

有时候我们需要按照特定的分隔符对字符串进行截取，可以使用str.split()方法，并指定分隔符。下面是一个示例：

data = {'name': ['Alice;25', 'Bob;30', 'Charlie;35', 'David;40']}

df = pd.DataFrame(data)
df['name_split'] = df['name'].str.split(';').str[0]  # 按照分号分隔，并取第一个元素
print(df)

运行结果如下：

          name name_split
0    Alice;25      Alice
1      Bob;30        Bob
2  Charlie;35    Charlie
3    David;40      David

从结果可以看到，name列中的字符串按照分号进行了截取，并且取出了分隔符前面的部分。

2. DataFrame对象的字符串截取

除了对Series对象进行字符串截取，我们还可以对整个DataFrame对象进行字符串截取，类似于操作Series对象。下面是一个示例：

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': ['25', '30', '35', '40']}

df = pd.DataFrame(data)
df[['first_name', 'last_name']] = df['name'].str.split(' ', expand=True)  # 使用空格进行分割
print(df)

运行结果如下：

      name age first_name last_name
0    Alice  25      Alice      None
1      Bob  30        Bob      None
2  Charlie  35    Charlie      None
3    David  40      David      None

从结果可以看到，我们将name列按照空格进行分割，分别获得了first_name和last_name两列。