數(shù)據(jù)科學(xué) 第 3 章 11 字符串處理

hlcfan 發(fā)布于2019-07-31 11:19 / 1926人閱讀

摘要：本節(jié)是通過(guò)函數(shù)，查看值包含了哪些字符串，有點(diǎn)像搜索關(guān)鍵詞主要的函數(shù)是長(zhǎng)度包含字符書(shū)中用到的是通過(guò)查找關(guān)鍵詞，查看包含這些原料的菜譜有哪些。

本節(jié)是通過(guò)函數(shù)，查看值包含了哪些字符串，有點(diǎn)像搜索關(guān)鍵詞
主要的函數(shù)是：
str.*()
str.len() 長(zhǎng)度
str.contains() 包含**字符

書(shū)中用到的是通過(guò)查找關(guān)鍵詞，查看包含這些原料的菜譜有哪些。結(jié)合現(xiàn)在的，我覺(jué)得可以在處理推廣數(shù)據(jù)時(shí)，通過(guò)設(shè)置好的參數(shù)來(lái)分析url中的用戶來(lái)源。

查看了word列的字符串長(zhǎng)度，平均搜索詞的長(zhǎng)度為8.8，75%是搜索詞在10個(gè)以內(nèi)，最長(zhǎng)的有95個(gè)字符

df.word.str.len().describe()

Out：
count    2324.000000
mean        8.767642
std         4.695302
min         0.000000
25%         6.000000
50%         8.000000
75%        10.000000
max        95.000000
Name: word, dtype: float64

查看字符大于50個(gè)的數(shù)據(jù)，執(zhí)行代碼后只有2條數(shù)據(jù)。

df[df.word.str.len() > 50]

# 如果想查看字符串長(zhǎng)度大于30的數(shù)據(jù)有多少條，可以用
df[df.word.str.len() > 30].count()

Out:
date       15
id         15
word       15
rank1      15
number1    15
url        15
dtype: int64

-- 查找是否包含某些字符

str.contains

#word列包含‘家’字的數(shù)據(jù)是什么
df[df.word.str.contains("家")]

還可以用input()的方法，來(lái)查找輸入的字符是否在word列中

keyw = input()
df[df.url.str.contains(keyw)

就這樣，下節(jié)學(xué)習(xí)時(shí)間格式的處理，然后第3章就結(jié)束了，拜拜。

云服務(wù)器 GPU云服務(wù)器明解c語(yǔ)言第9章第3篇第3方支付接口 php第一個(gè)字符

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://m.hztianpu.com/yun/44995.html

相關(guān)文章

ApacheCN 人工智能知識(shí)樹(shù) v1.0

摘要：貢獻(xiàn)者飛龍版本最近總是有人問(wèn)我，把這些資料看完一遍要用多長(zhǎng)時(shí)間，如果你一本書(shū)一本書(shū)看的話，的確要用很長(zhǎng)時(shí)間。為了方便大家，我就把每本書(shū)的章節(jié)拆開(kāi)，再按照知識(shí)點(diǎn)合并，手動(dòng)整理了這個(gè)知識(shí)樹(shù)。 Special Sponsors showImg(https://segmentfault.com/img/remote/1460000018907426?w=1760&h=200); 貢獻(xiàn)者：飛龍版...

劉厚水 2019-06-26 19:00 評(píng)論0 收藏0
數(shù)據(jù)科學(xué) 第 3 章 12 處理時(shí)間序列，小時(shí)、分

摘要：時(shí)間序列，日期格式處理原以為本章是講怎么用處理時(shí)間格式，比如提取年月之類(lèi)的。新增一列日期，不要時(shí)分新增兩列年，月，以便后續(xù)分析。這個(gè)方法太復(fù)雜，而且處理時(shí)間可能會(huì)更長(zhǎng)，看下面的簡(jiǎn)單方法新增月份年。時(shí)間序列，日期格式處理原以為本章是講怎么用python處理時(shí)間格式，比如提取年月之類(lèi)的。但本節(jié)寫(xiě)的是時(shí)間格式已經(jīng)工整后的事，暫時(shí)不是我想學(xué)的，所以跳過(guò)，就沒(méi)有寫(xiě)公式了。下面的函數(shù)時(shí)之前...

Atom 2019-07-31 11:19 評(píng)論0 收藏0
什么是 Python 編程語(yǔ)言？

摘要：由設(shè)計(jì)，作為編程語(yǔ)言的繼承者，于年首次發(fā)布。表達(dá)式表達(dá)式是編程語(yǔ)言中的語(yǔ)法實(shí)體，可以對(duì)其進(jìn)行評(píng)估以確定其值。它是編程語(yǔ)言解釋和計(jì)算以產(chǎn)生值的常量變量函數(shù)和運(yùn)算符的組合。它在年年年和年被評(píng)為年度編程語(yǔ)言，是唯一四次獲得該獎(jiǎng)項(xiàng)的語(yǔ)言。 ...

1treeS 2021-11-24 09:39 評(píng)論0 收藏0
數(shù)據(jù)科學(xué) 第 5 章主成分分析（降維）、相關(guān)性

摘要：主成分分析就是降維，通過(guò)線性組合，把多個(gè)原始變量合并成若干個(gè)主成分，這樣每個(gè)主成分都變成原始變量的線性組合。相關(guān)系數(shù)系數(shù)為為為。從結(jié)果看，這個(gè)數(shù)據(jù)可能不太適合用來(lái)分析，因?yàn)榻档骄S后的代筆性不足。這兩天用學(xué)了主成分分析，用的是PCA。主成分分析就是降維，通過(guò)線性組合，把多個(gè)原始變量合并成若干個(gè)主成分，這樣每個(gè)主成分都變成原始變量的線性組合。所以你想看具體哪個(gè)特征對(duì)結(jié)果的影響大，通過(guò)PC...

ixlei 2019-07-30 18:35 評(píng)論0 收藏0
數(shù)據(jù)科學(xué) 第 5 章建模過(guò)程與決策樹(shù)模型

摘要：一周沒(méi)寫(xiě)文了，之前干什么去了呢本周前半部分卡在畫(huà)圖了，然后的時(shí)間在處理數(shù)據(jù)，處理數(shù)據(jù)是我目前在畫(huà)圖和機(jī)器學(xué)習(xí)上一個(gè)重大的障礙，處理各種報(bào)錯(cuò)各種不適合，等我學(xué)會(huì)了和你再來(lái)堵我呀一周沒(méi)寫(xiě)文了，之前干什么去了呢？本周前半部分卡在畫(huà)圖了，然后1/3的時(shí)間在處理數(shù)據(jù)，處理數(shù)據(jù)是我目前在畫(huà)圖和機(jī)器學(xué)習(xí)上一個(gè)重大的障礙，python處理各種報(bào)錯(cuò)各種不適合，等我學(xué)會(huì)了kettle和spark你再來(lái)堵...

lowett 2019-07-30 18:34 評(píng)論0 收藏0