python数据清洗系列之字符串处理详解(python数据清洗的方法有哪些)

推荐整理分享python数据清洗系列之字符串处理详解(python数据清洗的方法有哪些)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:python数据清洗的方法有哪些,python 数据清洗,python数据清洗例子,python 数据清洗,python数据清洗的方法有哪些,python 数据清洗,python数据清洗流程,利用python数据清洗常用函数,内容如对您有帮助，希望把文章链接给更多的朋友！

前言

数据清洗是一项复杂且繁琐(kubi)的工作，同时也是整个数据分析过程中最为重要的环节。有人说一个分析项目%的时间都是在清洗数据，这听起来有些匪夷所思，但在实际的工作中确实如此。数据清洗的目的有两个，第一是通过清洗让数据可用。第二是让数据变的更适合进行后续的分析工作。换句话说就是有”脏”数据要洗，干净的数据也要洗。

在数据分析中，特别是文本分析中，字符处理需要耗费极大的精力，因而了解字符处理对于数据分析而言，也是一项很重要的能力。

字符串处理方法

首先我们先了解下都有哪些基础方法

首先我们了解下字符串的拆分split方法

对字符str用逗号进行拆分的结果：

['i like apple', 'i like bananer']

根据空格拆分的结果：

['i', 'like', 'apple,i', 'like', 'bananer']

两个查找结果都为：

找不到的情况下index返回错误，find返回-1

结果为：

4

connt用于统计目标字符串的频率

结果为：

['i', 'like', 'apple', 'i', 'like', 'bananer']

这里replace把逗号替换为空格后，在用空格对字符串进行分割，刚好能把每个单词取出来。

除了常规的方法以外，更强大的字符处理工具费正则表达式莫属了。

正则表达式

在使用正则表达式前我们还要先了解下，正则表达式中的诸多方法。

下面我来看下个方法的使用，首先了解下match和search方法的区别

结果为：

Cats are smarter than dogsCatssmarter

这种形式的pettern匹配规则下，match和search方法的的返回结果是一样的

此时如果把pattern改为

match则返回none，search返回结果为：

are smarter than dogssmarter

接下来我们了解下其他方法的使用

结果为：

--

以上是通过把#号后面的内容替换为空实现提取号码的目的。

我们还可以进一步对号码的横杆进行替换

结果为：

我们还可以用find的方法把找到的字符串打印出来

结果为：

['5', '5', '5']

正则表达式的整体内容比较多，需要我们对匹配的字符串的规则有足够的了解，下面是具体的匹配规则。

矢量化字符串函数

清理待分析的散乱数据时，常常需要做一些字符串规整化工作。

结果为：

可以通过规整合的一些方法对数据做初步的判断，比如用contains 判断每个数据中是否含有关键词

结果为：

也可以对字符串进行分拆，把需要的字符串提取出来

结果为：

chen [(, xinlang, com)]li [(, qq, com)]sun [(, gmail, com)]wang [(, qq, com)]zhao NaNdtype: object

此时加入我们需要提取邮箱前面的名称

结果为：

或者需要邮箱所属的域名

结果为：

当然也可以用切片的方式进行提取，不过提取的数据准确性不高

结果为：

最后我们了解下矢量化的字符串方法

总结