目录pandas将表中的字符串转成数值型扩展：pandas 把某一列中字符串变数值_Pandas对文本数据处理一、str属性二、替换和分隔三、提取子串1、提取第一个匹配的子串四、生成哑变量
pandas将表中的字符串转成数值型
在用pd.read_csv读数据时，将要转换数据类型的列名和类型名构成字典，传给dtype
import numpy as np
import pandas as pd
path = 'house_data.csv'
col = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS',
'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV']
dict_dtype = {}
for i in col:
dict_dtype = np.float64
# print(dict_dtype)
data = pd.read_csv(path, header=None, names=col, sep=',', dtype=dict_dtype)
扩展：pandas 把某一列中字符串变数值_Pandas对文本数据处理
在处理数据的时候,对数值型的数据处理还是比较方便的,但是有时候数值型数据出现问题后就会比较头痛了,因为文本数据的排列组合可是有很多很多的,今天我们就学习一下如何对文本数据进行处理,这样我们接下来在工作中遇到了这些情况就可以少掉一下头发啦。
20230221151523115.jpg
一、str属性
文本数据也就是我们常说的字符串,pandas为series提供了str属性,通过它可以方便对每个元素进行操作。
20230221151523116.jpg
为了防止数据被弄坏,我们先预留一个备份以防万一。
20230221151523117.jpg
这里我们是不能使用backup_user_info = user_info的因为这样的话一个更改另外一个也会更改。
在之前我们也已经了解过,在对series中每个元素处理时,我们可以使用map或apply方法,比如我们想把星球列下面的地球和外星转换为英文,可以使用下面的方式。
20230221151523118.jpg
这时候我们在将表恢复成原来的样子。
20230221151523119.jpg
将哪个星球列下的星球改为大写的英文后再改为小写
首先更改为英文
20230221151523120.jpg
然后设置一个函数,将星球改为大写,原理为upper()方法
20230221151523121.jpg
然后在设置为小写,原理为lower方法
20230221151523122.jpg
给英雄们的身高加上一个单位
20230221151524123.jpg
我们通过str属性来访问之后用到的方法名与 Python 内置的字符串的方法名一样。并且能够自动排除缺失值。 我们再来试试其他一些方法。例如，统计每个字符串的长度。
20230221151524124.jpg
将cm替换成空白的字符串
20230221151524125.jpg
将身高列的元素类型转换为整数型
20230221151524126.jpg
生成一个新的列,列名为姓名的长度,元素为英雄姓名的长度(len方法)
20230221151524127.jpg
查看表的元素类型
20230221151524128.jpg
将年不年轻列的中的中年属性更改为中老年属性
20230221151524129.jpg
查看城市列中每个元素有几个字
20230221151524130.jpg
查看年不年轻列中每个元素是否有轻这个字符串
20230221151524131.jpg
二、替换和分隔
使用.srt属性也支持替换与分割操作。先来看下替换操作，例如：将大写的R转换为小写的r。
20230221151524132.jpg
将列中的数据进行分隔
20230221151524133.jpg
将是否年轻按年进行分隔,结果如上所述。
分割列表中的元素可以使用 get 或 [] 符号进行访问：
20230221151524134.jpg
比如说电影的主演有很多人, 可能是用逗号, 或者/ 进行分割, 这是可以用这种方法转换成列表
在表中添加一列英雄的爱人列
20230221151524135.jpg
20230221151524136.jpg
将爱人列以,号分隔
20230221151524137.jpg
这时候就可以让某一行的这个元素以列表表现出来。
20230221151525138.jpg
将索引列改为英雄姓名,并查看蜘蛛侠和灭霸的爱人
20230221151525139.jpg
三、提取子串
既然是在操作字符串，很自然的大家可能会想到是否可以从一个长的字符串中提取出子串。答案是可以的。
1、提取第一个匹配的子串
extract方法接受一个正则表达式并至少包含一个捕获组，指定参数 expand=True可以保证每次都返回DataFrame。例如，现在想要匹配空字符串前面的所有的字母，可以使用如下操作：
查看哪位英雄的所在的星球包括E这个字符串
20230221151525140.jpg
查看哪位英雄所在的城市包括纽这个字符串
20230221151525141.jpg
四、生成哑变量
首先我们先了解一下什么是哑变量:
哑变量原名为虚拟变量 ( Dummy Variables) 又称虚设变量、名义变量或哑，用以反映质的属性的一个人工变量，是量化了的自变量，通常取值为0或1。引入哑变量可使线形回归模型变得更复杂，但对问题描述更简明，一个方程能达到两个方程的作用，而且接近现实。
在pandas中我们可以通过get_dummies 方法可以将字符串转为哑变量，sep 参数是指定哑变量之间的分隔符。
20230221151525142.jpg
对英雄姓名进行哑变量转换
20230221151525143.jpg
从结果可以看出,第0行的英雄姓名是蜘蛛侠,第1行的英雄姓名是灭霸,哑变量转换就是将每一个选择匹配哪一行的数据。
对那个星球进行哑变量转换
20230221151525144.jpg
从结果可以看出,在地球的英雄是第0、2、3、4、6行的,对应的英雄名称为(蜘蛛侠、奇异博士、钢铁侠、蝙蝠侠、黑寡妇)
到此这篇关于pandas将表中的字符串转成数值型的文章就介绍到这了,更多相关pandas字符串转成数值型内容请搜索知鸟论坛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知鸟论坛！ |
发表于 2023-5-4 17:22:27