
- Python Pandas 教程
- Python Pandas - 首頁
- Python Pandas - 簡介
- Python Pandas - 環境設定
- Python Pandas - 基礎
- Python Pandas - 資料結構介紹
- Python Pandas - 索引物件
- Python Pandas - Panel
- Python Pandas - 基本功能
- Python Pandas - 索引和資料選擇
- Python Pandas - Series
- Python Pandas - Series
- Python Pandas - Series 物件切片
- Python Pandas - Series 物件的屬性
- Python Pandas - Series 物件的算術運算
- Python Pandas - 將 Series 轉換為其他物件
- Python Pandas - DataFrame
- Python Pandas - DataFrame
- Python Pandas - 訪問 DataFrame
- Python Pandas - DataFrame 物件切片
- Python Pandas - 修改 DataFrame
- Python Pandas - 從 DataFrame 中刪除行
- Python Pandas - DataFrame 的算術運算
- Python Pandas - I/O 工具
- Python Pandas - I/O 工具
- Python Pandas - 使用 CSV 格式
- Python Pandas - 讀取和寫入 JSON 檔案
- Python Pandas - 從 Excel 檔案讀取資料
- Python Pandas - 將資料寫入 Excel 檔案
- Python Pandas - 使用 HTML 資料
- Python Pandas - 剪貼簿
- Python Pandas - 使用 HDF5 格式
- Python Pandas - 與 SQL 的比較
- Python Pandas - 資料處理
- Python Pandas - 排序
- Python Pandas - 重新索引
- Python Pandas - 迭代
- Python Pandas - 級聯
- Python Pandas - 統計函式
- Python Pandas - 描述性統計
- Python Pandas - 使用文字資料
- Python Pandas - 函式應用
- Python Pandas - 選項和自定義
- Python Pandas - 視窗函式
- Python Pandas - 聚合
- Python Pandas - 合併/連線
- Python Pandas - 多層索引
- Python Pandas - 多層索引基礎
- Python Pandas - 使用多層索引進行索引
- Python Pandas - 使用多層索引的高階重新索引
- Python Pandas - 重新命名多層索引標籤
- Python Pandas - 對多層索引進行排序
- Python Pandas - 二元運算
- Python Pandas - 二元比較運算
- Python Pandas - 布林索引
- Python Pandas - 布林掩碼
- Python Pandas - 資料重塑和透視
- Python Pandas - 透視
- Python Pandas - 堆疊和取消堆疊
- Python Pandas - 熔化
- Python Pandas - 計算虛擬變數
- Python Pandas - 分類資料
- Python Pandas - 分類資料
- Python Pandas - 分類資料的排序和分類
- Python Pandas - 分類資料的比較
- Python Pandas - 處理缺失資料
- Python Pandas - 缺失資料
- Python Pandas - 填充缺失資料
- Python Pandas - 缺失值的插值
- Python Pandas - 刪除缺失資料
- Python Pandas - 使用缺失資料的計算
- Python Pandas - 處理重複項
- Python Pandas - 重複資料
- Python Pandas - 計數和檢索唯一元素
- Python Pandas - 重複標籤
- Python Pandas - 分組和聚合
- Python Pandas - GroupBy
- Python Pandas - 時間序列資料
- Python Pandas - 日期功能
- Python Pandas - Timedelta
- Python Pandas - 稀疏資料結構
- Python Pandas - 稀疏資料
- Python Pandas - 視覺化
- Python Pandas - 視覺化
- Python Pandas - 其他概念
- Python Pandas - 警告和陷阱
- Python Pandas 有用資源
- Python Pandas - 快速指南
- Python Pandas - 有用資源
- Python Pandas - 討論
Pandas Series.str.get() 方法
Python Pandas 中的Series.str.get() 方法用於從 Series 或索引的每個元素中包含的各種資料結構中提取元素。無論您使用的是列表、元組、字典還是字串,此方法都允許您指定要提取的元素的位置或鍵。
它簡化了訪問巢狀資料的過程,在資料清理和預處理任務中非常有用。
語法
以下是 Pandas Series.str.get() 方法的語法:
Series.str.get(i)
引數
Series.str.get() 方法接受以下引數:
i - 表示要提取的元素的位置或鍵的整數或可雜湊字典標籤。
返回值
Series.str.get() 方法返回包含提取元素的 Series 或索引。
示例 1
此示例演示使用 Series.str.get() 方法從 DataFrame 列中的列表中提取元素。
import pandas as pd # Create a DataFrame with a column of lists df = pd.DataFrame({"A": [[1, 2, 3], [0, 1, 3]], "B": ['Tutorial', 'AEIOU']}) print("Original DataFrame:") print(df) # Extract the element at index 1 from each list in column 'A' df['C'] = df['A'].str.get(1) print("\nDataFrame after extracting elements from lists in column 'A':") print(df)
執行上述程式碼時,會產生以下輸出:
Original DataFrame: A B 0 [1, 2, 3] Tutorial 1 [0, 1, 3] AEIOU DataFrame after extracting elements from lists in column 'A': A B C 0 [1, 2, 3] Tutorial 2 1 [0, 1, 3] AEIOU 1
新列“C”包含從列“A”中每個列表的索引 1 提取的元素。
示例 2
此示例演示使用 Series.str.get() 方法從 DataFrame 列中的字串中提取字元。
import pandas as pd # Create a DataFrame with a column of strings df = pd.DataFrame({"A": [[1, 2, 3], [0, 1, 3]], "B": ['Tutorial', 'AEIOU']}) print("Original DataFrame:") print(df) # Extract the character at index 1 from each string in column 'B' df['D'] = df['B'].str.get(1) print("\nDataFrame after extracting characters from strings in column 'B':") print(df)
執行上述程式碼時,會產生以下輸出:
Original DataFrame: A B 0 [1, 2, 3] Tutorial 1 [0, 1, 3] AEIOU DataFrame after extracting characters from strings in column 'B': A B D 0 [1, 2, 3] Tutorial u 1 [0, 1, 3] AEIOU E
示例 3
此示例演示使用 Series.str.get() 方法從 DataFrame 列中的字典中提取值。
import pandas as pd # Create a DataFrame with a column of dictionaries df = pd.DataFrame({"A": [{'a': 1, 'b': 2}, {'a': 3, 'b': 4}], "B": ['Dict1', 'Dict2']}) print("Original DataFrame:") print(df) # Extract the value associated with key 'a' from each dictionary in column 'A' df['C'] = df['A'].str.get('a') print("\nDataFrame after extracting values from dictionaries in column 'A':") print(df)
執行上述程式碼時,會產生以下輸出:
Original DataFrame: A B 0 {'a': 1, 'b': 2} Dict1 1 {'a': 3, 'b': 4} Dict2 DataFrame after extracting values from dictionaries in column 'A': A B C 0 {'a': 1, 'b': 2} Dict1 1 1 {'a': 3, 'b': 4} Dict2 3
python_pandas_working_with_text_data.htm
廣告