下表显示了许多常见的字符串函数及其说明及其在 MS Excel 中的等效函数。我们在工作场所都使用MS Excel，并且熟悉MS Excel中使用的功能。MS EXCEL和Python中字符串函数的比较可以帮助你快速学习函数并在面试前做好准备。
| 功能 | 描述 | MS Excel 函数 |
|---|---|---|
| 字符串[:N] | 从字符串开头提取 N 个字符。 | 左边（ ） |
| mystring[-N:] | 从字符串末尾提取 N 个字符 | 正确的（ ） |
| 字符串[X:Y] | 从字符串中间提取字符，从 X 位置开始，以 Y 结束 | 中（ ） |
| str.split(sep=' ') | 分割字符串 | - |
| str.replace（旧子字符串，新子字符串） | 用不同的子字符串替换部分文本 | 代替（ ） |
| str.lower() | 将字符转换为小写 | 降低（ ） |
| str.upper() | 将字符转换为大写 | 上部( ) |
| str.contains('模式', case=False) | 检查模式是否匹配（Pandas 函数） | SQL LIKE 运算符 |
| str.extract(正则表达式) | 返回匹配的值（Pandas 函数） | - |
| str.count('sub_string') | 计算字符串中模式的出现次数 | - |
| 字符串查找() | 返回子字符串或模式的位置 | 寻找（ ） |
| str.isalnum() | 检查字符串是否仅由字母数字字符组成 | - |
| str.islower() | 检查字符是否全部小写 | - |
| str.isupper() | 检查字符是否全部大写 | - |
| str.isnumeric() | 检查字符串是否仅由数字字符组成 | - |
| str.isspace() | 检查字符串是否仅由空格字符组成 | - |
| 仅有的（ ） | 计算字符串长度 | 仅有的（ ） |
| 猫（ ） | 连接字符串（Pandas 函数） | 连接( ) |
| 分隔符.join(str) | 连接字符串 | 连接( ) |
左、右和中功能
如果您是 MS Excel 中级用户，您一定使用过 LEFT、RIGHT 和 MID 函数。这些函数用于从字符串中提取 N 个字符或字母。
mystring = "Hey buddy, wassup?"
mystring[:2]Out[1]: 'He'string[start:stop:step]表示项目从 0（默认）开始到（stop-1），步长为 1（默认）。mystring[:2]相当于mystring[0:2]mystring[:2]告诉 Python 从字符串对象中提取前 2 个字符mystring。- 索引从零开始，因此它包括第一个、第二个元素，但不包括第三个元素。
mystring[-2:]上面的命令返回p?。-2开始从倒数第二个位置到字符串最大长度的范围。
mystring[1:3]Out[1]: 'ey'mystring[1:3]返回第二个和第三个字符。1指第二个字符，因为索引从 0 开始。
mystring[::-1]Out[1]: '?pussaw ,yddub yeH'-1告诉 Python 从末尾开始，并从右到左加 1。
让我们创建一个假数据框来进行说明。在下面的代码中，我们创建一个名为的数据框df，仅包含 1 个名为var1
import pandas as pd
df = pd.DataFrame({"var1": ["A_2", "B_1", "C_2", "A_2"]})
var1
0 A_2
1 B_1
2 C_2
3 A_2为了处理Python Pandas Dataframe中的文本数据，我们可以使用str属性。它可用于切片字符值。
df['var1'].str[0]在本例中，我们从变量中获取第一个字符var1。请参阅下面所示的输出。
Output
0 A
1 B
2 C
3 A从字符串中提取单词
假设您需要从字符串中取出单词而不是字符。通常我们将一个空格作为分隔符来从字符串中查找单词。
mystring.split()[0]Out[1]: 'Hey'split()函数使用空格作为默认分隔符来中断字符串mystring.split()回报['Hey', 'buddy,', 'wassup?']0返回第一个项目或单词Hey
mystring.split(',')[0]Out[1]: 'Hey buddy'mystring.split()[-1]Out[1]: 'wassup?'让我们构建一个由客户姓名组成的虚拟数据框并将其称为变量custname
mydf = pd.DataFrame({"custname": ["Priya_Sehgal", "David_Stevart", "Kasia_Woja", "Sandy_Dave"]}) custname
0 Priya_Sehgal
1 David_Stevart
2 Kasia_Woja
3 Sandy_Dave#First Word
mydf['fname'] = mydf['custname'].str.split('_').str[0]
#Last Word
mydf['lname'] = mydf['custname'].str.split('_').str[1]Output
custname fname lname
0 Priya_Sehgal Priya Sehgal
1 David_Stevart David Stevart
2 Kasia_Woja Kasia Woja
3 Sandy_Dave Sandy Davestr.split( )类似于split( ). 它用于激活Python中pandas数据框的分割功能。- 在上面的代码中，我们创建了两个新列，名为
fname并lname存储名字和姓氏。
Pandas DataFrame 中的 SQL LIKE 运算符
在 SQL 中，LIKE 语句用于查找字符串是否匹配或包含模式。我们可以在 python 中使用str.contains( )function 来实现类似的功能。
df2 = pd.DataFrame({"var1": ["AA_2", "B_1", "C_2", "a_2"],
“var2”：[“X_2”，“Y_1”，“Z_2”，“X2”]}） var1 var2
0 AA_2 X_2
1 B_1 Y_1
2 C_2 Z_2
3 a_2 X2df2['var1'].str.contains('A|B')str.contains(pattern)用于匹配 Pandas Dataframe 中的模式。
Output
0 True
1 True
2 False
3 False
由于函数区分大小写，因此上述命令对第四行返回FALSE 。为了忽略大小写，我们可以使用case=False参数。请参阅下面的工作示例。
df2['var1'].str.contains('A|B', case=False)在下面的程序中，我们要求 Python 根据条件对数据进行子集化 - 包含字符值 A 或 B。它相当于 SQL 中的 WHERE 关键字。
df2[df2['var1'].str.contains('A|B', case=False)]Output
var1 var2
0 AA_2 X_2
1 B_1 Y_1
3 a_2 X2假设您只需要那些字母后跟“_”的值
df2[df2['var1'].str.contains('^[AZ]_', case=False)]^是正则表达式的标记，表示以特定项目开始。
var1 var2
1 B_1 Y_1
2 C_2 Z_2
3 a_2 X2查找特定字符或关键字的位置
str.find(pattern)用于查找子字符串的位置。在本例中，子字符串是“_”。
df2['var1'].str.find('_')0 2
1 1
2 1
3 1替换子串
str.replace(old_text,new_text,case=False)用于用一些新值或模式替换特定字符或模式。在下面的代码中，我们将变量 var1 中的 _ 替换为 -- 。
df2['var1'].str.replace('_', '--', case=False)Output
0 AA--2
1 B--1
2 C--2
3 A--2我们还可以像下面的程序一样复杂的模式。+表示某项出现一次或多次。在这种情况下，字母表出现 1 次或多次。
df2['var1'].str.replace('[AZ]+_', 'X', case=False)0 X2
1 X1
2 X2
3 X2查找字符串的长度
len(string)用于计算字符串的长度。在 pandas 数据框中，您可以申请str.len()相同的。
df2['var1'].str.len()Output
0 4
1 3
2 3
3 3要查找特定字符的出现次数（例如，每行中出现“A”的次数），您可以使用str.count(pattern)function.
df2['var1'].str.count('A')转换为小写和大写
#Convert to lower case
mydf['custname'].str.lower()
#Convert to upper case
mydf['custname'].str.upper()
删除前导和尾随空格
1、str.strip()删除前导和尾随空格。2、str.lstrip()删除前导空格（在开头）。3、str.rstrip()删除尾随空格（在末尾）。
df1 = pd.DataFrame({'y1': [' jack', 'jill ', ' jesse ', 'frank ']})
df1['both']=df1['y1'].str.strip()
df1['left']=df1['y1'].str.lstrip()
df1['right']=df1['y1'].str.rstrip() y1 both left right
0 jack jack jack jack
1 jill jill jill jill
2 jesse jesse jesse jesse
3 frank frank frank frank将数字转换为字符串
通过使用str( )函数，您可以将数值转换为字符串。
myvariable = 4
mystr = str(myvariable)连接或连接字符串
只需使用+，您就可以连接两个字符串值。
x = "Deepanshu"
y ="Bhalla"
x+yDeepanshuBhalla如果您想在两个字符串之间添加空格，可以使用 - x+' '+yreturnsDeepanshu Bhalla 假设您有一个包含多个字符串值的列表，并且您想要将它们组合起来。您可以使用join( )函数。
string0 = ['Ram', 'Kumar', 'Singh']
' '.join(string0)Output
'Ram Kumar Singh'假设您想要组合或连接 pandas 数据框的两列。
mydf['fullname' ] = mydf['fname'] + ' ' + mydf['lname']
或者
mydf['fullname'] = mydf[['fname', 'lname']].apply(lambda x: ' '.join(x), axis=1)
custname fname lname fullname
0 Priya_Sehgal Priya Sehgal Priya Sehgal
1 David_Stevart David Stevart David Stevart
2 Kasia_Woja Kasia Woja Kasia Woja
3 Sandy_Dave Sandy Dave Sandy DavePandas 中的 SQL IN 运算符
我们可以使用isin(list)函数在过滤或子集标准中包含多个值。
mydata = pd.DataFrame({'product': ['A', 'B', 'B', 'C','C','D','A']})
mydata[mydata['product'].isin(['A', 'B'])] product
0 A
1 B
2 B
6 A我们可以使用sign~告诉python否定条件。
mydata[~mydata['product'].isin(['A', 'B'])]从字符串中提取特定模式
str.extract(r'regex-pattern')用于此任务。
df2['var1'].str.extract(r'(^[A-Z]_)')r'(^[A-Z]_)'表示以 AZ 开头，后跟“_”文章来源：https://www.toymoban.com/news/detail-643149.html
0 NaN
1 B_
2 C_
3 NaN为了删除缺失值，我们可以使用dropna( )函数。文章来源地址https://www.toymoban.com/news/detail-643149.html
df2['var1'].str.extract(r'(^[AZ]_)').dropna()到了这里，关于25+ Python 数据操作教程（第十一节PYTHON 中的字符串函数及示例）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
