Pandas字符串操作str完整教程 - 正则提取实战

# 访问字符串访问器
Series.str

# 常用字符串方法
Series.str.lower()          # 转小写
Series.str.upper()          # 转大写
Series.str.strip()          # 去除两端空白
Series.str.replace(pat, repl)  # 替换
Series.str.contains(pat)    # 包含匹配
Series.str.startswith(pat)  # 开头匹配
Series.str.endswith(pat)    # 结尾匹配
Series.str.split(pat)       # 分割
Series.str.extract(pat)     # 正则提取
Series.str.len()            # 字符串长度

import pandas as pd

# 创建示例数据
df = pd.DataFrame({
    '姓名': [' 张三 ', ' 李四', '王五 ', '赵六'],
    '邮箱': ['zhangsan@email.com', 'lisi@Email.COM', 'wang5@email.com', 'ZHAO6@email.com'],
    '电话': ['138-0001-0001', '139-0002-0002', '137-0003-0003', '136-0004-0004'],
    '地址': ['北京市朝阳区', '上海市浦东新区', '广州市天河区', '深圳市南山区']
})

# 去除空格
df['姓名'] = df['姓名'].str.strip()

# 转小写
df['邮箱'] = df['邮箱'].str.lower()

# 获取字符串长度
df['姓名长度'] = df['姓名'].str.len()

print(df)

# 替换操作
df['电话'] = df['电话'].str.replace('-', '')

# 检查是否包含特定字符
mask = df['地址'].str.contains('市')
print(mask)

# 开头和结尾匹配
mask2 = df['邮箱'].str.endswith('.com')

# 分割字符串
addr_split = df['地址'].str.slice(0, 3)  # 提取前3个字符（省/市）
print(addr_split)

# 正则表达式提取
emails = pd.Series(['user1@gmail.com', 'user2@yahoo.com', 'user3@hotmail.com'])
extracted = emails.str.extract(r'(\w+)@(\w+)\.(\w+)')
print(extracted)
# 输出：
#        0      1      2
# 0  user1  gmail  com
# 1  user2  yahoo  com
# 2  user3  hotmail com

# 模拟电商用户数据清洗
users = pd.DataFrame({
    '用户名': ['user_001', 'user_002 ', ' USER_003', 'user_004', ''],
    '手机号': ['+86 138 0001 1111', '138-0002-2222', '13800033333', '+86-138-0004-4444', ''],
    '收货地址': ['广东省深圳市宝安区', '浙江省杭州市西湖区', '北京市朝阳区望京', '江苏省南京市鼓楼区', '']
})

# 1. 清理用户名
users['用户名'] = users['用户名'].str.strip().str.lower()

# 2. 提取纯手机号
users['手机号'] = users['手机号'].str.replace(r'[^\d]', '', regex=True)

# 3. 提取省份和城市
users[['省份', '城市']] = users['收货地址'].str.extract(r'(广东省|浙江省|江苏省|北京市|上海市)(.+?)[市区]')

# 4. 手机号脱敏
users['手机号_脱敏'] = users['手机号'].str[:3] + '****' + users['手机号'].str[-4:]

print(users)