Python | Pandas series . str . start with()
原文:https://www . geesforgeks . org/python-pandas-series-str-starts with/
Python 是进行数据分析的优秀语言，主要是因为以数据为中心的 Python 包的奇妙生态系统。 【熊猫】 就是其中一个包，让导入和分析数据变得容易多了。
熊猫 startswith() 是另一种在序列或数据框中搜索和过滤文本数据的方法。这个方法类似于 Python 的 startswith() 方法，但是有不同的参数，它只对熊猫对象有效。遂 。str 每次调用这个方法之前都要加上前缀，这样编译器就知道它和默认函数不一样了。
语法:series . str . start with(pat，na=nan)
参数: 拍:待搜索字符串。(不接受 Regex) na:用于设置当序列中的值为空时应显示的内容。
返回类型:布尔级数，当值在开始处有传递的字符串时为真。
要下载代码中使用的 CSV，点击这里的。
在下面的例子中，使用的数据框包含了一些 NBA 球员的数据。任何操作前的数据框图像附在下面。
示例#1: 返回 Bool 系列 在此示例中，使用 str.startswith()函数检查学院列的元素在字符串的开头是否有“G”。返回一个布尔序列，该序列在索引位置为真，字符串在开始处有“G”。
# importing pandas module
import pandas as pd
# reading csv file from url
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
# String to be searched in start of string
search ="G"
# boolean series returned
data["College"].str.startswith(search)
输出:
如输出图像所示，布尔数列在学院列在起始位置有“G”的索引位置有“真”。也可以通过查看原始数据帧的图像进行比较。
例 2: 处理空值 数据分析中最重要的部分就是处理空值。从上面的输出图像中可以看出，无论学院列中的值是空的还是 NaN，布尔序列都有 NaN。如果这个布尔序列被传递到数据框中，它会给出一个错误。因此，需要使用 na 参数来处理 NaN 值。它也可以设置为 string，但是由于 bool 系列用于传递和返回各自的值，因此应该只设置为 Bool 值。 在本例中， na 参数设置为假。因此，无论学院列有空值，布尔系列都将存储 False，而不是 NaN。之后，序列再次传递到数据框，只显示真值。
# importing pandas module
import pandas as pd
# reading csv file from url
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
# String to be searched in start of string
search ="G"
# boolean series returned with False at place of NaN
bool_series = data["College"].str.startswith(search, na = False)
# displaying filtered dataframe
data[bool_series]
输出:
如输出图像所示，数据帧在 College 列的字符串起始处有“G”行。由于 na 参数设置为 False，因此不显示 NaN 值。
版权属于：月萌API www.moonapi.com，转载请注明出处
