Python酷库之旅-第三方库Pandas(081)

目录

一、用法精讲

336、pandas.Series.str.rpartition方法

336-1、语法

336-2、参数

336-3、功能

336-4、返回值

336-5、说明

336-6、用法

336-6-1、数据准备

336-6-2、代码示例

336-6-3、结果输出

337、pandas.Series.str.slice方法

337-1、语法

337-2、参数

337-3、功能

337-4、返回值

337-5、说明

337-6、用法

337-6-1、数据准备

337-6-2、代码示例

337-6-3、结果输出

338、pandas.Series.str.slice_replace方法

338-1、语法

338-2、参数

338-3、功能

338-4、返回值

338-5、说明

338-6、用法

338-6-1、数据准备

338-6-2、代码示例

338-6-3、结果输出

339、pandas.Series.str.split方法

339-1、语法

339-2、参数

339-3、功能

339-4、返回值

339-5、说明

339-6、用法

339-6-1、数据准备

339-6-2、代码示例

339-6-3、结果输出

340、pandas.Series.str.rsplit方法

340-1、语法

340-2、参数

340-3、功能

340-4、返回值

340-5、说明

340-6、用法

340-6-1、数据准备

340-6-2、代码示例

340-6-3、结果输出

一、用法精讲

336、pandas.Series.str.rpartition方法
336-1、语法
# 336、pandas.Series.str.rpartition方法
pandas.Series.str.rpartition(sep=' ', expand=True)
Split the string at the last occurrence of sep.This method splits the string at the last 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 two empty strings, followed by the string itself.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.
336-2、参数

336-2-1、sep(可选，默认值为' ')：字符串，用作分隔符的字符串，你可以设置为任何字符串，作为切割的依据。

336-2-2、expand(可选，默认值为True)：布尔值，如果为True，返回一个DataFrame，其中每一列分别对应分隔符前、分隔符和分隔符后的部分；如果为False，返回一个Series，其中每个元素是一个包含三部分的元组。

336-3、功能

        从右侧开始查找指定的分隔符，将字符串分为三部分。对于每个字符串，它会查找最后一次出现的分隔符，将字符串分割成以下三部分：

  • 分隔符前的部分
  • 分隔符本身
  • 分隔符后的部分
336-4、返回值

        如果expand=True，返回一个DataFrame，包含三列，分别是分隔符前的部分、分隔符、分隔符后的部分；如果expand=False，返回一个Series，每个元素是一个包含上述三部分的元组。

336-5、说明

        使用场景：

336-5-1、数据清洗与处理：在数据清洗过程中，常常需要从字符串中提取特定信息，比如从文件路径中提取文件名或文件扩展名，可以使用rpartition方法找到最后一个斜杠，并将路径分割成目录和文件。

336-5-2、文本分析：在进行文本分析时，可能需要从句子中提取特定的词或字符串段，例如，获取最后一个单词和其之前的部分，这在处理评论、反馈等用户生成内容时尤其有用。

336-5-3、分割复合数据：在某些情况下，字符串可能包含用特定字符分隔的复合数据(如“键:值”对)，使用rpartition可以方便地将其分成键和值。

336-6、用法
336-6-1、数据准备
无
336-6-2、代码示例
# 336、pandas.Series.str.rpartition方法
# 336-1、数据清洗(提取文件名)
import pandas as pd
# 示例数据
file_paths = pd.Series(['/home/user/documents/report.pdf','/var/www/html/index.html','/tmp/example.txt'
])
# 使用rpartition提取文件名
file_names = file_paths.str.rpartition('/')[2]
print("提取的文件名：")
print(file_names, end='\n\n')# 336-2、文本分析(提取最后一个单词)
import pandas as pd
# 示例数据
sentences = pd.Series(['The quick brown fox',' jumps over the lazy dog','Hello world'
])
# 提取最后一个单词
last_words = sentences.str.rpartition(' ')[2]
print("提取的最后一个单词：")
print(last_words, end='\n\n')# 336-3、分割复合数据(提取键和值)
import pandas as pd
# 示例数据
key_value_pairs = pd.Series(['name:Alice','age:30','city:New York'
])
# 提取键和值
keys = key_value_pairs.str.rpartition(':')[0]
values = key_value_pairs.str.rpartition(':')[2]
print("提取的键：")
print(keys)
print("提取的值：")
print(values)
336-6-3、结果输出
# 336、pandas.Series.str.rpartition方法
# 336-1、数据清洗(提取文件名)
# 提取的文件名：
# 0     report.pdf
# 1     index.html
# 2    example.txt
# Name: 2, dtype: object# 336-2、文本分析(提取最后一个单词)
# 提取的最后一个单词：
# 0      fox
# 1      dog
# 2    world
# Name: 2, dtype: object# 336-3、分割复合数据(提取键和值)
# 提取的键：
# 0    name
# 1     age
# 2    city
# Name: 0, dtype: object
# 提取的值：
# 0       Alice
# 1          30
# 2    New York
# Name: 2, dtype: object
337、pandas.Series.str.slice方法
337-1、语法
# 337、pandas.Series.str.slice方法
pandas.Series.str.slice(start=None, stop=None, step=None)
Slice substrings from each element in the Series or Index.Parameters:
start
int, optional
Start position for slice operation.stop
int, optional
Stop position for slice operation.step
int, optional
Step size for slice operation.Returns:
Series or Index of object
Series or Index from sliced substring from original string object.
337-2、参数

337-2-1、start(可选，默认值为None)：整数或None，指定要开始切片的位置索引，索引从0开始，如果未指定或为None，则默认从字符串的起始位置开始。

337-2-2、stop(可选，默认值为None)：整数或None，指定切片结束的位置索引，切片不包括该位置的字符，如果未指定或为None，则默认切到字符串的末尾。

337-2-3、step(可选，默认值为None)：整数或None，指定步长，默认为None，即步长为1；步长为负数时，可以进行反向切片。

337-3、功能

        用于从Series中的每个字符串中根据指定的索引范围提取子字符串，它允许你通过指定起始位置、结束位置和步长来精确控制提取的部分。

337-4、返回值

       返回Series或Index，具体取决于输入数据的类型：

  • 返回值是一个与原Series长度相同的新Series，其中包含根据指定的start、stop和step提取的子字符串。
  • 如果某个字符串的长度小于start，该位置返回一个空字符串。
337-5、说明

        无

337-6、用法
337-6-1、数据准备
无
337-6-2、代码示例
# 337、pandas.Series.str.slice方法
import pandas as pd
# 示例数据
s = pd.Series(['apple', 'banana', 'cherry', 'date'])
# 从索引1开始切片到索引4(不包括4)
result_slice = s.str.slice(start=1, stop=4)
# 仅指定步长为2，默认从头到尾
result_step = s.str.slice(step=2)
# 反向切片，步长为-1
result_reverse = s.str.slice(start=4, stop=0, step=-1)
print("从索引1到4切片：")
print(result_slice)
print("\n每隔一个字符切片：")
print(result_step)
print("\n反向切片：")
print(result_reverse)
337-6-3、结果输出
# 337、pandas.Series.str.slice方法
# 从索引1到4切片：
# 0    ppl
# 1    ana
# 2    her
# 3    ate
# dtype: object
# 
# 每隔一个字符切片：
# 0    ape
# 1    bnn
# 2    cer
# 3     dt
# dtype: object
# 
# 反向切片：
# 0    elpp
# 1    nana
# 2    rreh
# 3     eta
# dtype: object
338、pandas.Series.str.slice_replace方法
338-1、语法
# 338、pandas.Series.str.slice_replace方法
pandas.Series.str.slice_replace(start=None, stop=None, repl=None)
Replace a positional slice of a string with another value.Parameters:
start
int, optional
Left index position to use for the slice. If not specified (None), the slice is unbounded on the left, i.e. slice from the start of the string.stop
int, optional
Right index position to use for the slice. If not specified (None), the slice is unbounded on the right, i.e. slice until the end of the string.repl
str, optional
String for replacement. If not specified (None), the sliced region is replaced with an empty string.Returns:
Series or Index
Same type as the original object.
338-2、参数

338-2-1、start(可选，默认值为None)：整数或None，指定开始切片的索引位置，索引从0开始，如果不指定(即为None)，默认从字符串的开头开始切片。

338-2-2、stop(可选，默认值为None)：整数或None，指定结束切片的索引位置(不包括该位置)，如果不指定(即为None)，默认一直切到字符串的末尾。

338-2-3、repl(可选，默认值为None)：字符串或None，指定要替换切片部分的字符串，repl将取代原字符串从start到stop位置的内容。

338-3、功能

        用于对字符串序列的某一部分进行替换操作，你可以指定从哪个位置开始(start)，到哪个位置结束(stop)，然后用指定的字符串(repl)来替换这部分内容，该方法不会改变原序列，而是返回一个新的序列，其中包含替换后的字符串。

338-4、返回值

        返回一个pandas.Series对象，包含处理后的字符串序列，原序列中的每一个字符串都会根据指定的start、stop和repl参数进行相应的替换操作。

338-5、说明

        无

338-6、用法
338-6-1、数据准备
无
338-6-2、代码示例
# 338、pandas.Series.str.slice_replace方法
import pandas as pd
# 示例数据
data = pd.Series(['abcdefg', 'hijklmn', 'opqrstu'])
# 使用str.slice_replace()方法
result = data.str.slice_replace(start=2, stop=5, repl='XYZ')
print(result)
338-6-3、结果输出
# 338、pandas.Series.str.slice_replace方法
# 0    abXYZfg
# 1    hiXYZmn
# 2    opXYZtu
# dtype: object
339、pandas.Series.str.split方法
339-1、语法
# 339、pandas.Series.str.split方法
pandas.Series.str.split(pat=None, *, n=-1, expand=False, regex=None)
Split strings around given separator/delimiter.Splits the string in the Series/Index from the beginning, at the specified delimiter string.Parameters:
patstr or compiled regex, optional
String or regular expression to split on. If not specified, split on whitespace.nint, default -1 (all)
Limit number of splits in output. None, 0 and -1 will be interpreted as return all splits.expandbool, default False
Expand the split strings into separate columns.If True, return DataFrame/MultiIndex expanding dimensionality.If False, return Series/Index, containing lists of strings.regexbool, default None
Determines if the passed-in pattern is a regular expression:If True, assumes the passed-in pattern is a regular expressionIf False, treats the pattern as a literal string.If None and pat length is 1, treats pat as a literal string.If None and pat length is not 1, treats pat as a regular expression.Cannot be set to False if pat is a compiled regexNew in version 1.4.0.Returns:
Series, Index, DataFrame or MultiIndex
Type matches caller unless expand=True (see Notes).Raises:
ValueError
if regex is False and pat is a compiled regex.
339-2、参数

339-2-1、pat(可选，默认值为None)：字符串或None，指定用于分割字符串的分隔符，如果不指定(即为None)，默认按照空白字符(包括空格、制表符等)进行分割；如果指定了regex=True，则pat被解释为正则表达式。

339-2-2、n(可选，默认值为-1)：整数或None，指定最多分割的次数，如果为-1(默认值)，则不限制分割次数，即分割所有出现的分隔符。

339-2-3、expand(可选，默认值为False)：布尔值，是否将分割结果展开为一个DataFrame，若为True，返回一个DataFrame，每个拆分的部分作为一列；若为False(默认值)，返回一个Series，其中每个元素是一个列表，包含分割后的字符串部分。

339-2-4、regex(可选，默认值为None)：布尔值或None，是否将pat解释为正则表达式，如果为None(默认值)，则会根据pat是否为正则表达式自动判断；如果为True，则强制将pat解释为正则表达式。

339-3、功能

        用于将字符串按照指定的分隔符拆分为多个部分，你可以控制分割的次数以及是否将结果展开为多列。

339-4、返回值

        如果expand=False(默认值)，返回一个pandas.Series对象，其中每个元素是一个列表，包含分割后的字符串部分；如果expand=True，返回一个pandas.DataFrame对象，其中每列对应分割后的字符串部分。

339-5、说明

        无

339-6、用法
339-6-1、数据准备
无
339-6-2、代码示例
# 339、pandas.Series.str.split方法
import pandas as pd
# 示例数据
data = pd.Series(['a,b,c', 'd,e,f', 'g,h,i'])
# 不展开结果，只分割一次
result1 = data.str.split(",", n=1, expand=False)
# 展开结果为多列
result2 = data.str.split(",", expand=True)
print("Result with expand=False:")
print(result1)
print("\nResult with expand=True:")
print(result2)
339-6-3、结果输出
# 339、pandas.Series.str.split方法
# Result with expand=False:
# 0    [a, b,c]
# 1    [d, e,f]
# 2    [g, h,i]
# dtype: object
# 
# Result with expand=True:
#    0  1  2
# 0  a  b  c
# 1  d  e  f
# 2  g  h  i
340、pandas.Series.str.rsplit方法
340-1、语法
# 340、pandas.Series.str.rsplit方法
pandas.Series.str.rsplit(pat=None, *, n=-1, expand=False)
Split strings around given separator/delimiter.Splits the string in the Series/Index from the end, at the specified delimiter string.Parameters:
pat
str, optional
String to split on. If not specified, split on whitespace.n
int, default -1 (all)
Limit number of splits in output. None, 0 and -1 will be interpreted as return all splits.expand
bool, default False
Expand the split strings into separate columns.If True, return DataFrame/MultiIndex expanding dimensionality.If False, return Series/Index, containing lists of strings.Returns:
Series, Index, DataFrame or MultiIndex
Type matches caller unless expand=True (see Notes).
340-2、参数

340-2-1、pat(可选，默认值为None)：字符串或None，指定用于分割字符串的分隔符，如果不指定(即为None)，默认按照空白字符(包括空格、制表符等)进行分割；如果指定了regex=True，则pat被解释为正则表达式。

340-2-2、n(可选，默认值为-1)：整数或None，指定最多分割的次数，从右侧开始，如果为-1(默认值)，则不限制分割次数，即分割所有出现的分隔符。

340-2-3、expand(可选，默认值为False)：布尔值，是否将分割结果展开为一个DataFrame，若为True，返回一个DataFrame，每个拆分的部分作为一列；若为False(默认值)，返回一个Series，其中每个元素是一个列表，包含分割后的字符串部分。

340-3、功能

        用于将字符串从右侧开始按照指定的分隔符拆分为多个部分，你可以控制分割的次数以及是否将结果展开为多列，与split()方法不同的是，rsplit()从右向左进行分割，这在处理末尾部分的固定格式或逆序字符串时特别有用。

340-4、返回值

        如果expand=False(默认值)，返回一个pandas.Series对象，其中每个元素是一个列表，包含从右侧开始分割后的字符串部分；如果expand=True，返回一个pandas.DataFrame对象，其中每列对应从右侧分割后的字符串部分。

340-5、说明

        无

340-6、用法
340-6-1、数据准备
无
340-6-2、代码示例
# 340、pandas.Series.str.rsplit方法
import pandas as pd
# 示例数据
data = pd.Series(['a,b,c', 'd,e,f', 'g,h,i'])
# 不展开结果，只从右侧分割一次
result1 = data.str.rsplit(",", n=1, expand=False)
# 从右侧展开结果为多列
result2 = data.str.rsplit(",", expand=True)
print("Result with expand=False:")
print(result1)
print("\nResult with expand=True:")
print(result2)
340-6-3、结果输出
# 340、pandas.Series.str.rsplit方法
# Result with expand=False:
# 0    [a,b, c]
# 1    [d,e, f]
# 2    [g,h, i]
# dtype: object
# 
# Result with expand=True:
#    0  1  2
# 0  a  b  c
# 1  d  e  f
# 2  g  h  i

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。如若转载，请注明出处：http://www.rhkb.cn/news/401258.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

一文掌握SOP搭建步骤方法

一文掌握SOP搭建步骤方法

如果你正在阅读这篇文章，那么你很可能在寻找如何为你的企业编写标准操作程序（SOP）的指导，以确保更好的流程被传达给你的团队并且得到遵循。 为什么SOPs很重要 SOPs必须清晰地传达你的业务流程，以标准化操作并确保盈利性…
阅读更多...
this内存原理，成员变量和局部变量的区别

this内存原理，成员变量和局部变量的区别

this的作用：区分局部变量和成员变量 this的本质：所在方法调用者的地址值 内存分布，this会保存地址 this.name name 等号的右边触发就近原则接收形参 把接收到的形参赋值给成员变量的name 成员变量，类方法外的变量&#xff0c…
阅读更多...
使用克隆软件克隆Windows 10 硬盘

使用克隆软件克隆Windows 10 硬盘

为什么 Windows 用户要克隆硬盘驱动器 您打算将旧硬盘升级为新硬盘吗？是否可以将操作系统迁移到 SSD？如何制作硬盘的相同副本？如何安全地升级操作系统而不会出现可启动故障问题？是否有任何安全便捷的方法可用于传输数据并升级到更…
阅读更多...
SQL— DDL语句学习【后端 10】

SQL— DDL语句学习【后端 10】

SQL— DDL语句学习 在数据管理的广阔领域中，SQL（Structured Query Language）作为操作关系型数据库的编程语言，扮演着举足轻重的角色。它不仅定义了操作所有关系型数据库的统一标准，还为我们提供了强大的工具来管理、查…
阅读更多...
机器人阻抗控制之设计方法

机器人阻抗控制之设计方法

机器人阻抗控制的设计方法主要围绕调整机器人与环境之间的动态关系，使其等效为由弹簧-阻尼-质量组成的二阶系统。这一控制策略不是直接控制机器人的运动或其与外界的接触力，而是控制这二者之间的动态关系。以下是机器人阻抗控制设计方法的详细阐述&#…
阅读更多...
Docker最佳实践进阶（二）：Docker Compose容器编排

Docker最佳实践进阶（二）：Docker Compose容器编排

大家好，在上篇文章中博主演示了Dockerfile常用的命令，以及如何利用Dockerfile构建镜像，生成容器服务，但是在实际应用环境中，特别是在微服务架构中，一个应用系统可能包含多个微服务，每个微服务可…
阅读更多...
【vue】h 函数的使用

【vue】h 函数的使用

文章目录 1. 引言2. h 函数3. h 函数的使用3.1 v-if3.2 v-for3.3 v-on3.4 组件3.5 渲染插槽 4. h函数的使用场景参考链接 1. 引言 在绝大多数情况下，Vue 推荐使用模板语法来创建应用。然而在某些使用场景下，我们真的需要用到 JavaScript 完全的编程能力。…
阅读更多...
Java开发代码规范文档

Java开发代码规范文档

优质博文：IT-BLOG-CN 一、命令规范 包命名规范 包Package的作用是将功能相似或相关的类或者接口进行分组管理，便于类的定位和查找，同时也可以使用包来避免类名的冲突和访问控制，使代码更容易维护。通常，包命使用小写…
阅读更多...
安卓中Room持久化库的使用

安卓中Room持久化库的使用

在Android开发中，Room是Google提供的一个持久化库，旨在为应用提供SQLite的抽象层，以简化数据库的访问和操作。相比直接使用SQLite，Room提供更清晰、更简洁的数据库访问机制。 1. Room的基础知识 1.1 引入Room依赖 首先&#xff…
阅读更多...
GB/T 38082-2019 生物降解塑料购物袋检测

GB/T 38082-2019 生物降解塑料购物袋检测

生物降解塑料购物袋是指以生物降解树脂为主要原料制得的，具有提携结构的，在销售、服务等场所用于盛装及携提商品的袋制品。 GB/T 38082-2019 生物降解塑料购物袋检测项目： 检测项目 测试标准 尺寸偏差 GB/T 38082 感官 GB/T 38082 提掉…
阅读更多...
谷粒商城实战笔记-190-192商城业务-检索服务-面包屑导航

谷粒商城实战笔记-190-192商城业务-检索服务-面包屑导航

文章目录 一，什么是面包屑导航1，京东商城的面包屑2，面包屑是怎么产生的 二，面包屑导航的后台实现 这三节的主要内容是开发面包屑的前后端功能。 190-商城业务-检索服务-面包屑导航191-商城业务-检索服务-条件删除与URL编码问题192…
阅读更多...
阿一网络安全实战演练之利用 REST URL 中的服务器端参数污染

阿一网络安全实战演练之利用 REST URL 中的服务器端参数污染

所需知识 要解决这个实验室问题，您需要了解以下内容： 如何确定用户输入是否包含在服务器端的 URL 路径或查询字符串中。如何使用路径遍历序列尝试更改服务器端请求。如何查找 API 文档。 这些内容在我们的 API 测试学院主题中有涵盖。 进入实验室 研…
阅读更多...
【Docker安装】Ubuntu系统下离线部署Docker环境教程

【Docker安装】Ubuntu系统下离线部署Docker环境教程

【Docker安装】Ubuntu系统下离线部署Docker环境教程 前言一、本次实践介绍1.1 本次实践规划1.2 本次实践简介二、检查本地环境2.1 检查操作系统版本2.2 检查内核版本2.3 更新软件源三、卸载Docker四、下载安装包4.1 创建目录4.2 官网下载五、部署Docker环境5.1 解压安装包5.2 复…
阅读更多...
Web Image scr图片从后端API获取基本实现

Web Image scr图片从后端API获取基本实现

因系统开发中需求，会有页面显示图片直接从后端获取后显示，代码如下： 后端： /*** 获取图片流* param response* param fileName*/RequestMapping(value"getImgStream",method RequestMethod.GET)public void getImgStr…
阅读更多...
Yearning开源SQL审核平台本地Linux系统部署与远程登录语句审核

Yearning开源SQL审核平台本地Linux系统部署与远程登录语句审核

文章目录 前言1. Linux 部署Yearning2. 本地访问Yearning3. Linux 安装cpolar4. 配置Yearning公网访问地址5. 公网远程访问Yearning管理界面6. 固定Yearning公网地址 前言 本文主要介绍在 Linux 系统简单部署 Yearning 并结合 cpolar 内网穿透工具实现远程访问，破除…
阅读更多...
Java基础入门15：算法、正则表达式、异常

Java基础入门15：算法、正则表达式、异常

算法（选择排序、冒泡排序、二分查找） 选择排序 每轮选择当前位置，开始找出后面的较小值与该位置交换。 选择排序的关键： 确定总共需要选择几轮：数组的长度-1。 控制每轮从以前位置为基准，与后面元素选择…
阅读更多...
Typescript在AI产品中应用越来越广泛

Typescript在AI产品中应用越来越广泛

AI产品中的应用 TypeScript 在 AI 产品中的应用逐渐增多，主要得益于其提供的类型安全、面向对象编程和模块化等特性，这些特性使得开发者能够构建可维护、可扩展和高性能的应用程序。 首先，TypeScript 作为 JavaScript 的超集，通…
阅读更多...
15.基于session实现登录 前端项目部署

15.基于session实现登录 前端项目部署

前端项目nginx部署 nginx配置文件 worker_processes 1;events {worker_connections 1024; }http {include mime.types;default_type application/json;sendfile on;keepalive_timeout 65;server {listen 8080;server_name localhost;# 指定前端项目所…
阅读更多...
线性DP(动态规划)

线性DP(动态规划)

文章目录 数字三角形思路代码 最长上升子序列1思路代码 最长公共子序列思路代码 其实和背包一样，都不固定，这种类型的题每一道题都需要自己从之前的经验中去摸索。 数字三角形 题目链接 思路 只能从左上或者右上走过来，用一个二维数组&am…
阅读更多...
python-A+B again

python-A+B again

[题目描述] 小理有一个非常简单的问题给你，给你两个整数 A 和 B，你的任务是计算 AB。输入格式： 输入共 2∗T1 行。 输入的第一行包含一个整数 T 表示测试实例的个数，然后 2∗T 行，分别表示 A 和 B 两个正整数。注意整数…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发