
- Python Pandas 教程
- Python Pandas - 首頁
- Python Pandas - 簡介
- Python Pandas - 環境搭建
- Python Pandas - 基礎
- Python Pandas - 資料結構介紹
- Python Pandas - 索引物件
- Python Pandas - Panel (面板)
- Python Pandas - 基本功能
- Python Pandas - 索引與資料選擇
- Python Pandas - Series (序列)
- Python Pandas - Series (序列)
- Python Pandas - 切片 Series 物件
- 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 (資料框)
- Python Pandas - DataFrame (資料框)
- Python Pandas - 訪問 DataFrame
- Python Pandas - 切片 DataFrame 物件
- 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 - 處理文字資料
- Python Pandas - 函式應用
- Python Pandas - 選項與自定義
- Python Pandas - 視窗函式
- Python Pandas - 聚合
- Python Pandas - 合併/連線
- Python Pandas - 多級索引
- Python Pandas - 多級索引基礎
- Python Pandas - 使用多級索引進行索引
- Python Pandas - 使用多級索引進行高階重新索引
- Python Pandas - 重新命名多級索引標籤
- Python Pandas - 對多級索引排序
- 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 - 堆疊和解堆疊
- Python Pandas - 熔化
- Python Pandas - 計算虛擬變數
- Python Pandas - 類別資料
- Python Pandas - 類別資料
- Python Pandas - 類別資料的排序
- Python Pandas - 類別資料的比較
- 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 - 使用缺失資料進行計算
- 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 (時間差)
- 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 - 警告與陷阱
- 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.join() 方法
Pandas 中的Series.str.join()方法用於處理 Series/Index 或 DataFrame 列中的文字資料。此方法在處理 Series 元素中包含的列表時特別有用。
使用指定的定界符,Series.str.join() 方法允許您將這些列表的內容連線成單個字串。此操作等效於標準 Python str.join() 方法,但它是逐元素應用於 Series 中的每個條目。
語法
以下是 Pandas Series.str.join() 方法的語法:
Series.str.join(sep)
引數
Series.str.join() 方法接受以下引數:
sep - 表示列表條目之間使用的分隔符的字串。
返回值
Series.str.join() 方法返回一個 Series 或 Index 物件,其中列表條目透過分隔符的中間出現連線起來。
引發異常
如果提供的 Series 不包含字串或列表,則該方法會引發AttributeError。
注意:如果任何列表項不是字串物件,則連線的結果將為 NaN。
示例 1
此示例演示了使用Series.str.join()方法連線作為 Series 元素包含的列表。
import pandas as pd # Create a Series of lists s = pd.Series([['a', 'b', 'c'], ['1', '2', '3'], ['x', 'y', 'z']]) # Join the list entries with a comma delimiter result = s.str.join(',') print("Input Series:") print(s) print("\nJoined Strings:") print(result)
執行以上程式碼後,將產生以下輸出:
Input Series: 0 [a, b, c] 1 [1, 2, 3] 2 [x, y, z] dtype: object Joined Strings: 0 a,b,c 1 1,2,3 2 x,y,z dtype: object
示例 2
此示例演示了當 Series 中的元素不是列表時Series.str.join()方法的行為。
import pandas as pd # Create a Series of strings s = pd.Series(['apple', 'banana', 'cherry']) # Attempt to join the string entries with a dash delimiter result = s.str.join('-') print("Joined Strings:") print(result)
執行以上程式碼後,將產生以下輸出
Joined Strings: 0 a-p-p-l-e 1 b-a-n-a-n-a 2 c-h-e-r-r-y dtype: object
因為 Series 中的元素不是列表,所以會引發AttributeError。
示例 3
此示例演示了當列表包含非字串物件時Series.str.join()方法的行為。
import pandas as pd # Create a Series of lists with non-string objects s = pd.Series([['a', 'b', 'c'], [1, 2, 3], ['x', 'y', 'z']]) # Join the list entries with a comma delimiter result = s.str.join(',') print("Input Series:") print(s) print("\nJoined Strings:") print(result)
執行以上程式碼後,將產生以下輸出:
Input Series: 0 [a, b, c] 1 [1, 2, 3] 2 [x, y, z] dtype: object Joined Strings: 0 a,b,c 1 NaN 2 x,y,z dtype: object
NaN 值表示列表包含非字串物件。
python_pandas_working_with_text_data.htm
廣告