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 / 1876人閱讀

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

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

書中用到的是通過查找關(guān)鍵詞，查看包含這些原料的菜譜有哪些。結(jié)合現(xiàn)在的，我覺得可以在處理推廣數(shù)據(jù)時，通過設(shè)置好的參數(shù)來分析url中的用戶來源。

查看了word列的字符串長度，平均搜索詞的長度為8.8，75%是搜索詞在10個以內(nèi)，最長的有95個字符

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)時間格式的處理，然后第3章就結(jié)束了，拜拜。

GPU云服務(wù)器云服務(wù)器明解c語言第9章第3篇第3方支付接口 php第一個字符

文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(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)載請注明本文地址：http://systransis.cn/yun/44995.html

相關(guān)文章

ApacheCN 人工智能知識樹 v1.0

摘要：貢獻(xiàn)者飛龍版本最近總是有人問我，把這些資料看完一遍要用多長時間，如果你一本書一本書看的話，的確要用很長時間。為了方便大家，我就把每本書的章節(jié)拆開，再按照知識點合并，手動整理了這個知識樹。 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 評論0 收藏0
數(shù)據(jù)科學(xué) 第 3 章 12 處理時間序列，小時、分

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

Atom 2019-07-31 11:19 評論0 收藏0
什么是 Python 編程語言？

摘要：由設(shè)計，作為編程語言的繼承者，于年首次發(fā)布。表達(dá)式表達(dá)式是編程語言中的語法實體，可以對其進(jìn)行評估以確定其值。它是編程語言解釋和計算以產(chǎn)生值的常量變量函數(shù)和運算符的組合。它在年年年和年被評為年度編程語言，是唯一四次獲得該獎項的語言。 ...

1treeS 2021-11-24 09:39 評論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，通過線性組合，把多個原始變量合并成若干個主成分，這樣每個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，這個數(shù)據(jù)可能不太適合用來分析，因為降到維后的代筆性不足。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，通過線性組合，把多個原始變量合并成若干個主成分，這樣每個主成分都變成原始變量的線性組合。所以你想看具體哪個特征對結(jié)果的影響大，通過PC...

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

摘要：一周沒寫文了，之前干什么去了呢本周前半部分卡在畫圖了，然后的時間在處理數(shù)據(jù)，處理數(shù)據(jù)是我目前在畫圖和機器學(xué)習(xí)上一個重大的障礙，處理各種報錯各種不適合，等我學(xué)會了和你再來堵我呀一周沒寫文了，之前干什么去了呢？本周前半部分卡在畫圖了，然后1/3的時間在處理數(shù)據(jù)，處理數(shù)據(jù)是我目前在畫圖和機器學(xué)習(xí)上一個重大的障礙，python處理各種報錯各種不適合，等我學(xué)會了kettle和spark你再來堵...

lowett 2019-07-30 18:34 評論0 收藏0