Python自动化ExcelPython与pandas字符串操作

　　Python之所以能够成为流行的数据分析语言，有一部分原因在于其简洁易用的字符串处理能力。
　　Python的字符串对象封装了很多开箱即用的内置方法，处理单个字符串时十分方便；对于Excel、csv等表格文件中整列的批量字符串操作，pandas库也提供了简洁高效的处理函数，几乎与内置字符串函数一一对应。也就是说：  单个字符串处理，用Python内置的字符串方法；  表格整列的字符串处理，用pandas库中的字符串函数；
　　本文就以常用的数据处理需求，来对比使用以上两种方式的异同，从而加深对   Python   和  pandas   字符串操作的理解。（本文所有数据都是为了演示用的假数据，切勿当真！） 一、替换（去除空格）
　　场景：在问卷收集的姓名字段中，不少填写者会误输入空格，造成数据匹配不一致的问题。  Pythonnames = ＂刘    备、关  羽、   张 飞、赵   云、马 超、黄 忠＂ names = names.replace(＂ ＂,＂＂) print(names)
　　output  刘备、关羽、张飞、赵云、马超、黄忠pandasdf[＂姓名＂] = df[＂姓名＂].str.replace(＂ ＂,＂＂)
　　output
　　pandas替换空格二、分列
　　场景：在问卷收集数据的时候，多选题的数据往往是带有分隔符的。在分类汇总前往往需要按分隔符进行分列。
　　问卷中多选数据导出PythonhobbyStr = ＂足球 排球 羽毛球 篮球＂ hobbyList = hobbyStr.split(＂ ＂)
　　output  [＂足球＂, ＂排球＂, ＂羽毛球＂, ＂篮球＂]pandas# 利用split进行分列，expand = True 返回dataframe；expand=False返回Series hobbyDf = df[＂爱好＂].str.split(＂|＂, expand=True) # 将hobbyDf 与 df安装索引合并 df2 = pd.merge(df, hobbyDf, how=＂left＂, left_index=True, right_index=True)
　　分列、合并、导出Excel后效果三、切片：截取数据
　　字符串是由一个个字符组成的序列，在Python中可以直接对字符串进行切片操作，来进行截取数据。
　　如＂XX市四季家园二区22幢203室＂，可以看作是下图中16个字符值组成的序列。而切片的语法是：
　　Python切片原理PythonaddressStr = ＂XX市四季家园二区22幢203室＂ print(f＂城市：{addressStr[:3]}＂) print(f＂小区：{addressStr[3:9]}＂)
　　output  城市：XX市 小区：四季家园二区pandas提取城市名称，由于城市名称的字数相同，可以直接切片截取前三个。  df[＂城市＂] = df[＂地址＂].str[:3]
　　提取城市提取小区名，稍有点复杂。因为小区名称长度是不一样长的。可以利用字符串处理的天花板：   正则表达式   。详细处理方法，见下文  五、正则表达式   示例1。 四、补齐数据
　　有时候，我们在电脑中按文件名排序的时候，你可能会遇到下面的情况：
　　数值排序和字符排序
　　在不同系统中，我们希望是按数值排序，但偏偏系统却是按字符排序的，如某些车载播放器中。比较好的解决方法就是在前面添加0，补齐数据位数。数据量大的时候，手动修改很麻烦，Python字符串处理的   zfill()   函数就可以解决这个问题。 PythonmyStr = ＂1章节＂ print(myStr.zfill(4))  # 整个字符串补齐到4位
　　output  01章节pandasdf[＂新文件名＂] = ＂第＂+df[＂文件名＂].str[1:].str.zfill(8)
　　image-20220330005403437
　　配合   os.rename()   便可以批量重命名。关键代码如下 df.apply(lambda x: os.rename( path + x[＂文件名＂], path + x[＂新文件名＂]), axis=1)
　　批量重命名演示五、正则表达式
　　遇到复杂的字符串处理需求时，Python有优势就可以体现出来了。因为python和pandas有一个超强的字符串处理武器：正则表达式。正则表达式可以匹配字符串的格式特点，如电子邮箱的地址格式、网址的地址格式、电话号码格式等。如何写好正则表达式，这是一门精深的学问，本文介绍几个正则表达式的常用案例，浅尝辄止。
　　注：Python默认不支持正则表达式语法，而pandas直接支持正则表达式语法，这里重点介绍pandas处理表格数据。  1.提取长度不一样的小区名
　　思路：  提取上面小区名，可以归纳一下地址中小区名的格式特点：   苏州市之后，幢号数字之前的中文字符   。 Series   的  str.extract()   ，可用正则从字符数据中抽取匹配的数据； ## 匹配中文字符的正则表达式： [一-龥] pattern = r＂苏州市([一-龥]+)[0-9]+幢＂ df[＂小区＂] = df[＂地址＂].str.extract(pattern, expand=False)
　　提取小区名2.提取几幢几室
　　思路：几幢几室，格式都是   数字+幢   和  数字+室  数字可以用   [0-9]   或  d   来匹配； +   表示1个或多个。 pattern = r＂([0-9]+)幢＂ df[＂幢号＂] = df[＂地址＂].str.extract(pattern, expand=False)  pattern = r＂(d+)室＂ df[＂室号＂] = df[＂地址＂].str.extract(pattern, expand=False)
　　提取幢号室号六、apply函数
　　apply 函数：可以对   DateFrame   进行逐行或逐列进行处理。 1.增加一列，将幢号按照奇偶数分类
　　将幢号为奇数的为A区，偶数的为B区  # 定义处理的函数，共apply函数调用，传入的参数为一个Series对象 def my_func(series):     if (series[＂幢号＂]) % 2 != 0:         return ＂A区＂     else:         return ＂B区＂  df[＂幢号分类＂] = df.apply(my_func, axis=1)
　　上述代码中apply函数，有两个参数  第一个参数：处理逻辑的函数名。主要传入名称，这里为   my_func   ； 第二个参数：   axis = 1   ，表示按列处理。即传入的是每一行的  Series   。
　　output
　　apply映射分类2.增加一列，字典映射def my_func2(series):     # 映射字典，key为小区名，value为小区称号     my_dict = {     ＂吉祥如意家园＂: ＂最佳好运小区＂,      ＂科技村＂: ＂最佳科创小区＂,      ＂四季家园＂: ＂最佳风光小区＂,       ＂万象更新家园＂: ＂最佳风采小区＂,     }     # 每一行小区名称，切片截取至倒数第2个，即-2     nameKey = series[＂小区＂][:-2]     return my_dict[nameKey]  df[＂小区称号＂] = df.apply(my_func2, axis=1)
　　output
　　apply匹配映射结语
　　本文演示的字符串操作：   替换   、  分列   、  切片截取   、  补齐数据   、  正则表达式   、  apply()函数   常见于数据分析的数据清洗环节，  替换   、  分列   、  切片截取   在Excel中也很容易实现，  正则表达式   可以说是Python处理复杂字符串问题的一大利器，  apply()函数   可以实现  自定义函数   处理表格型的数据，十分灵活、威力巨大
　　原文参考：https://www.cnblogs.com/wansq/p/16080208.html