معالجة النصوص في Pandas

مثال على عمليات معالجة النصوص في Pandas

في هذا الفصل، سنستخدم Series / Index الأساسية لتعريف عمليات النصوص. في الفصول القادمة، سنتعلم كيفية تطبيق هذه functions النصية على DataFrame.

تقدم Pandas مجموعة من functions النصية التي يمكن استخدامها بسهولة للتعامل مع بيانات النصوص. والأهم من ذلك، تتجاهل (أو استثني) القيم المفقودة / NaN.

يمكن استخدام معظم هذه الطرق لـ Python string functions (انظر إلى:) https://docs.python.org/3/library/stdtypes.html#string-methods) لذا، يتم تحويل Series إلى String، ثم تنفيذ العملية.

لنرى كيف يتم تنفيذ كل عملية.

نحن نقوم بإنشاء Series لرؤية كيف تعمل جميع الوظائف المذكورة أعلاه.

　import　pandas　as　pd
　import numpy as np
　s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])
　print s

نتيجة التنفيذ:

　0     Tom
　1     William Rick
　2     John
　3     Alber@t
　4 NaN
　5 1234
　6 Steve Smith
　dtype:　object

lower()

　import　pandas　as　pd
　import numpy as np
　s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])
　print s.str.lower()

نتيجة التنفيذ:

　0 tom
　1 william rick
　2 john
　3 alber@t
　4 NaN
　5 1234
　6 steve smith
　dtype:　object

upper()

　import　pandas　as　pd
　import numpy as np
　s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])
　print s.str.upper()

نتيجة التنفيذ:

　0 TOM
　1 WILLIAM RICK
　2 JOHN
　3 ALBER@T
　4 NaN
　5 1234
　6 STEVE SMITH
　dtype:　object

len()

　import　pandas　as　pd
　import numpy as np
　s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])
　print s.str.len()

نتيجة التنفيذ:

　0 3.0
　1 12.0
　2 4.0
　3 7.0
　4 NaN
　5 4.0
　6 10.0
　dtype: float64

strip()

　import　pandas　as　pd
　import numpy as np
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print s
　print ("After Stripping:")
　print s.str.strip()

نتيجة التنفيذ:

　0     Tom
　1     William Rick
　2     John
　3     Alber@t
　dtype:　object
　After Stripping:
　0     Tom
　1     William Rick
　2     John
　3     Alber@t
　dtype:　object

split(pattern)

　import　pandas　as　pd
　import numpy as np
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print s
　print ("Split Pattern:")
　print s.str.split('　')

نتيجة التنفيذ:

　0     Tom
　1     William Rick
　2     John
　3     Alber@t
　dtype:　object
　Split Pattern:
　0 [Tom, , , , , , , , , , ]
　1 [, , , , , William, Rick]
　2 [John]
　3 [Alber@t]
　dtype:　object

cat(sep=pattern)

　import　pandas　as　pd
　import numpy as np
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print s.str.cat(sep='_')

نتيجة التنفيذ:

　　　Tom _ William Rick John Alber@t

get_dummies()

　import　pandas　as　pd
　import numpy as np
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print s.str.get_dummies()

نتيجة التنفيذ:

　　　William Rick         Alber@t         John         Tom
0         0         0         0         1
1         1         0         0         0
2         0         0         1         0
3         0         1         0         0

contains ()

　import　pandas　as　pd
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print s.str.contains('　')

نتيجة التنفيذ:

　0     True
　1     True
　2　　False
　3　　False
　dtype:　bool

replace(a,b)

　import　pandas　as　pd
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print s
　print ("After replacing @ with $:")
　print s.str.replace('@',')
　)

نتيجة التنفيذ:

　0     Tom
　1     William Rick
　2     John
　3     Alber@t
　dtype:　object
　After replacing @ with $:
　0     Tom
　1     William Rick
　2     John
　3     Alber$t
　dtype:　object

repeat(value)

　import　pandas　as　pd
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print s.str.repeat(2)

نتيجة التنفيذ:

0       Tom       Tom
1       William Rick       William Rick
2       JohnJohn
3       Alber@tAlber@t
dtype:　object

count(pattern)

　import　pandas　as　pd
　　
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print ("每个字符串中的“ m”数:")
　print s.str.count('m')

نتيجة التنفيذ:

　每个字符串中的“ m”数:
　0 1
　1 1
　2 0
　3 0

startswith(pattern)

　import　pandas　as　pd
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print ("Strings that start with 'T':")
　print s.str. startswith ('T')

نتيجة التنفيذ:

　0     True
　1　　False
　2　　False
　3　　False
　dtype:　bool

endswith(pattern)

　import　pandas　as　pd
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print ("Strings that end with 't':")
　print s.str.endswith('t')

نتيجة التنفيذ:

　Strings that end with 't':
　0　　False
　1　　False
　2　　False
　3     True
　dtype:　bool

find(pattern)

　import　pandas　as　pd
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print s.str.find('e')

نتيجة التنفيذ:

　0　-1
　1　-1
　2　-1
　3　3
　dtype:　int64

“ -1” يعني عدم وجود تطابق في العناصر.

findall(pattern)

　import　pandas　as　pd
　s　=　pd.Series(['Tom　',　'　William　Rick',　'John',　'Alber@t'])
　print　s.str.findall('e')

نتيجة التنفيذ:

　0　[]
　1　[]
　2　[]
　3　[e]
　dtype:　object

القائمة الفارغة ([]) تعني عدم وجود تطابق في العناصر

swapcase()

　import　pandas　as　pd
　s　=　pd.Series(['Tom',　'William　Rick',　'John',　'Alber@t'])
　print　s.str.swapcase()

نتيجة التنفيذ:

　0　tOM
　1　wILLIAM　rICK
　2　jOHN
　3　aLBER@T
　dtype:　object

islower()

　import　pandas　as　pd
　s　=　pd.Series(['Tom',　'William　Rick',　'John',　'Alber@t'])
　print　s.str.islower()

نتيجة التنفيذ:

　0　　False
　1　　False
　2　　False
　3　　False
　dtype:　bool

isupper()

　import　pandas　as　pd
　s　=　pd.Series(['Tom',　'William　Rick',　'John',　'Alber@t'])
　print　s.str.isupper()

نتيجة التنفيذ:

　0　　False
　1　　False
　2　　False
　3　　False
　dtype:　bool

isnumeric()

　import　pandas　as　pd
　s　=　pd.Series(['Tom',　'William　Rick',　'John',　'Alber@t'])
　print　s.str.isnumeric()

نتيجة التنفيذ:

　0　　False
　1　　False
　2　　False
　3　　False
　dtype:　bool