Pandas的文本数据处理
Pandas的文本处理
-
import numpy 和 import pandas 导入两个库，再导入数据，若是txt数据则加上 sep = “,” 或者sep = “\t”。
-
pandas 中有个子模块叫str，专门处理文本数据。
-
pd str 中常用的函数，还有str.len() 计算每个序列 或者列表连续长度。
-
a.value_counts() 计算每个分类的计数。
-
姓名长度已经转化成str.len() = float 格式，所以 是可以进行比较的。
DataFrame 的str常用函数
DataFrame 的str案例
-
grade 姓名那列是否包含”杨”，返回的布尔值，用grade 去接。
-
contains 返回的布尔值，要用imdb 去装，如果“中文” 是中文，返回的是错误。
-
replace 全换 或者 指定几个字换取 ，要用字典的形式去表达。
-
str.get(1) 表示截取某一列的第二个字 。
-
str.slice (0,3) 表示从某一列的第1个数开始截取，截取3 个数。
-
str.slice_repalce 截取并且进行替换。
-
cat() 里面有很多参数，比如说sep=" \t " 将名字进行拼接 = excel 中的concat 。
-
str. join( ) 加入的意思 指在各文字加入 。
DataFrame 的文本哑变量生成
- str.contains(“X”) 表示是否。
- 对imdb中的列 进行哑变量的变换，用str.get_dummies() 进行变换，之后看有没有多出一行X 。
- 必要时将最后一列删掉，依然保留的是str中的979行及11列。可以跟之前的979X9列 进行拼接。
4.删除原列，用pop ，删除原行用drop ( ，axis = 0,inplace = True） - 常用pd.concat ([a,b],axis = 1) 进行左右拼接。
哈哈，每天更新一点，没准我再也不是菜鸡，纯手打！！！！
查看更多请点击此链接，反正不要钱！