Python: 字串(string)的函式.rfind() .replace() 切片與串接; 如何尋找直欄中,含有特定關鍵字的列數? pandas.Series.str.contains(“Hz”) ;如何將Series中的內容去掉首末的空格並小寫? pandas.Series .str.strip() .str.lower() #需要兩次.str

pandas如何去掉空列/空欄? 如何重置DataFrame的index/欄標籤?

前一篇文章處理的資料如下

(已經先dropna刪除空列/空欄):

需要對資料做.iloc[切片]

要如何快速找到要切割的位置?

for i in range( len(dfRaw_drop1) ):

    if df_drop1.iat[i,0] == strV: splitV=i

其他技巧,利用關鍵字”Hz”

把不同頻率的資料都切開

listHz = [] #Hz的z小寫
for i in range( len(dfHVT) ):
#print( i,type(i) )
#i = int(i)
    if “Hz” in str(dfHVT.iat[i,0]):
        listHz.append(i)
#沒加str()會出現 TypeError: argument of type ‘float’ is not iterable

或者使用pandas的功能

df_drop1.iloc[:,0].str.contains(“Hz”)

df_drop1:

df_drop1.iloc[:,0].str.contains(“Hz”)

# “Hz”可以替換為正則表示法

# type(df_drop1.iloc[:,0].str.contains(“Hz”))

# pandas.core.series.Series

bool_list = df_drop1.iloc[:,0].str.contains(“Hz”).to_list()

bool_list中的元素若 == True:

將該元素的index 

append進去listHz中

為了切片到最後一個DF

listHz需要append 最後一個元素last

last = listHz[-1] + listHz[1] – listHz[0]

如果想要strip()後,再lower():
ser_process_name.str.strip().str.lower()
#需要兩次.str
若要比對Series與另外一份文件內容
最好都要做這個動作
以免因為首末的空格或大小寫
比對為False

推薦hahow線上學習python: https://igrape.net/30afN

如果你已經確保了 pandas 的 Series 中的所有元素都是字符串類型（str type），那麼連續使用 .str.strip().str.lower() 是完全沒問題的，這不會導致錯誤。

下面是一個示例，展示了如何在確保所有元素都為字符串後連續使用 .str.strip() 和 .str.lower() 方法：

在使用 Pandas 的 .str 方法链式调用时，如果忘记在每个字符串方法前加上 .str，这会导致错误。每个字符串操作（如 .strip(), .lower(), .upper(), 等）都必须通过 .str 访问器来调用，因为这些方法是定义在 StringMethods 类上的，而这个类是通过 .str 属性暴露给 Series 的。

示例说明

当您尝试执行 .str.strip().lower() 时，以下是发生的情况：

1. .str.strip() 正确执行，因为 .strip() 是通过 .str 调用的，它作用于 Series 中的每个字符串元素，去除两端空格。
2. 接下来，.lower() 尝试直接在 Series 上执行，而不是字符串上。由于 .lower() 不是 Series 对象的方法，这会抛出一个 AttributeError。

这里是一个具体的错误示例：

这段代码会抛出一个错误，因为在执行 .lower() 时，它不是在单个字符串上执行，而是尝试在经过 .str.strip() 处理后返回的 Series 上执行。Series 对象没有 .lower() 方法，这导致 AttributeError。

正确的方法

每次调用字符串操作方法时，都应使用 .str：

df['column_name'] = df['column_name'].str.strip().str.lower()

这样，每个操作都正确地应用于 Series 中的每个字符串元素，避免了错误。

推薦hahow線上學習python: https://igrape.net/30afN

在 Pandas 中，.str.contains() 和 .str.match() 是用于处理字符串的两种不同的方法，它们用于不同的匹配需求：

• .str.contains(pat)：检查每个元素是否包含模式 pat。这个方法返回一个布尔型 Series，表示每个元素是否包含指定的模式。
• .str.match(pat)：检查每个元素是否在字符串的开始位置匹配模式 pat。这个方法同样返回一个布尔型 Series，但它只在字符串起始处查找匹配。

下面通过一个示例来展示如何使用这两个方法。假设我们有一个包含频率数据的 DataFrame，我们要找出包含 “Hz” 和以 “Hz” 开头的字符串。

如您所见：

• contains_Hz 列显示了 Hz 是否在各元素中出现。
• match_Hz 列显示了元素是否以 Hz 开始。

注意

• .str.contains() 和 .str.match() 默认区分大小写。如果需要进行大小写不敏感的匹配，可以传递 case=False 参数。
• 这些方法可以接受正则表达式，增加匹配的灵活性。

例如，如果想要大小写不敏感的匹配，可以修改调用方式：

df['contains_Hz'] = df['frequency'].str.contains('Hz', case=False)
df['match_Hz'] = df['frequency'].str.match('Hz', case=False)

推薦hahow線上學習python: https://igrape.net/30afN