資料結構
網路
RDBMS
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
JavaScript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會科學
時尚研究
法律研究應用大寫到 Python 中的 Pandas 資料表的一列中
在本教程中，我們將瞭解如何將資料表中的姓名列轉為大寫。讓我們來看看實現我們的目標的不同方法。
示例
我們可以透過使用 upper() 方法將其轉為大寫，從而將一列分配給資料表。
讓我們來看看程式碼。
# importing the pandas package
import pandas as pd
# data for DataFrame
data = {
'Name': ['Hafeez', 'Aslan', 'Kareem'],
'Age': [19, 21, 18],
'Profession': ['Developer', 'Engineer', 'Artist']
}
# creating DataFrame
data_frame = pd.DataFrame(data)
# displaying the DataFrame
print('---------------------Before-------------------')
print(data_frame)
print()
# making the Name column strings to upper case
data_frame['Name'] = data_frame['Name'].str.upper()
# displaying the DataFrame
print('---------------------After-------------------')
print(data_frame)輸出
如果你執行以上程式，你將獲得以下結果。
---------------------Before------------------- Name Age Profession 0 Hafeez 19 Developer 1 Aslan 21 Engineer 2 Kareem 18 Artist ---------------------After------------------- Name Age Profession 0 HAFEEZ 19 Developer 1 ASLAN 21 Engineer 2 KAREEM 18 Artist
示例
我們還可以使用資料表的 apply() 方法來實現相同的事情。讓我們看看相關的程式碼。
# importing the pandas package
import pandas as pd
# data for DataFrame
data = {
'Name': ['Hafeez', 'Aslan', 'Kareem'],
'Age': [19, 21, 18],
'Profession': ['Developer', 'Engineer', 'Artist']
}
# creating DataFrame
data_frame = pd.DataFrame(data)
# displaying the DataFrame
print('---------------------Before-------------------')
print(data_frame)
print()
# making the Name column strings to upper case
data_frame['Name'] = data_frame['Name'].apply(lambda name : name.upper())
# displaying the DataFrame
print('---------------------After-------------------')
print(data_frame)輸出
如果你執行以上程式，你將獲得以下結果。
---------------------Before------------------- Name Age Profession 0 Hafeez 19 Developer 1 Aslan 21 Engineer 2 Kareem 18 Artist ---------------------After------------------- Name Age Profession 0 HAFEEZ 19 Developer 1 ASLAN 21 Engineer 2 KAREEM 18 Artist
結論
我希望你從本教程中學到了東西。如果你對本教程有任何疑問，請在評論部分提問。
更新時間： 01-Nov-2019
1K+ 瀏覽
廣告