φυβλαςのβλογ
phyblasのブログ



จัดการข้อมูลด้วย pandas เบื้องต้น บทที่ ๑๗: การจัดการกับข้อมูลสายอักขระ
เขียนเมื่อ 2016/09/25 16:09
แก้ไขล่าสุด 2021/09/28 16:42
เมธอด map และ apply ที่พูดถึงในบทที่ ๙ นั้นทำให้สามารถจัดการกับข้อมูลภายในตารางพร้อมกันแบบเป็นกลุ่มได้อย่างง่ายดาย

แต่สำหรับข้อมูลที่เป็นสายอักขระแล้วมีคำสั่งอื่นๆอีกจำนวนหนึ่งที่ช่วยให้การจัดการข้อมูลง่ายขึ้นไปอีก จึงอาจจะน่าเรียนรู้เพิ่มเติมเอาไว้สักหน่อย

งานที่เกี่ยวกับสายอักขระจะทำโดยเติม .str ต่อจากชื่อตัวแปรซีรีส์ แล้วตามด้วยชื่อเมธอดต่างๆ



การคัดเอาอักษรบางส่วนจากในแต่ละแถว
เติม .str แล้วตามด้วย [] เพื่อเข้าถึงสายอักขระภายในได้เหมือนกับสายอักขระทั่วไป

ตัวอย่าง
import pandas as pd
pokemon = pd.Series([
        'ฟุชิงิดาเนะ','ฟุชิงิโซว','ฟุชิงิบานะ',
        'ฮิโตคาเงะ','ลิซาร์โด','ลิซาร์ดอน',
        'เซนิงาเมะ','คาเมล','คาเม็กซ์'],
    index=[1,2,3,4,5,6,7,8,9])
print(pokemon)



ได้
1    ฟุชิงิดาเนะ
2      ฟุชิงิโซว
3     ฟุชิงิบานะ
4      ฮิโตคาเงะ
5       ลิซาร์โด
6      ลิซาร์ดอน
7      เซนิงาเมะ
8          คาเมล
9       คาเม็กซ์
dtype: object

ลองดูอักษรตัวแรกถึงตัวที่ ๖
print(list(pokemon.str[:6]))
# มีค่าเท่ากับ pokemon.apply(lambda x:x[:6])

ได้
['ฟุชิงิ', 'ฟุชิงิ', 'ฟุชิงิ', 'ฮิโตคา', 'ลิซาร์', 'ลิซาร์', 'เซนิงา', 'คาเมล', 'คาเม็ก']

อนึ่ง ผลที่ได้ออกมาจริงๆนั้นเป็นซีรีส์เหมือนเดิม แต่ในที่นี้เพื่อประหยัดพื้นที่ขอแปลงเป็นลิสต์ ตัวอย่างถัดๆไปก็เช่นเดียวกัน



หาความยาวของสายอักขระ
สามารถหาความยาวของสายอักขระได้ด้วยเมธอด str.len เช่น
print(list(pokemon.str.len()))
# เท่ากับ pokemon.apply(lambda x:len(x))

ได้
[11, 9, 10, 9, 8, 9, 9, 5, 8]



เติมสายอักขระให้ยาวตามที่ต้องการ
เมธอด str.pad มีไว้สำหรับเติมช่องว่างให้สายอักขระเพื่อให้มีความยาวรวมตามต้องการ โดยใส่จำนวนที่ต้องการไปเป็นอาร์กิวเมนต์ตัวแรก และตามด้วยตำแหน่งที่บอกว่าจะเอาตัวหนังสือที่มีอยู่เดิมวางไว้ซ้ายหรือขวาหรือกลาง (left right center)

กรณีที่เลือกตรงกลางอาจใช้เมธอด str.center แทนก็ได้
print(list(pokemon.str.pad(12)))
print(list(pokemon.str.pad(12,'right')))
print(list(pokemon.str.center(12)))

ได้
[' ฟุชิงิดาเนะ', '   ฟุชิงิโซว', '  ฟุชิงิบานะ', '   ฮิโตคาเงะ', '    ลิซาร์โด', '   ลิซาร์ดอน', '   เซนิงาเมะ', '       คาเมล', '    คาเม็กซ์']
['ฟุชิงิดาเนะ ', 'ฟุชิงิโซว   ', 'ฟุชิงิบานะ  ', 'ฮิโตคาเงะ   ', 'ลิซาร์โด    ', 'ลิซาร์ดอน   ', 'เซนิงาเมะ   ', 'คาเมล       ', 'คาเม็กซ์    ']
['ฟุชิงิดาเนะ ', ' ฟุชิงิโซว  ', ' ฟุชิงิบานะ ', ' ฮิโตคาเงะ  ', '  ลิซาร์โด  ', ' ลิซาร์ดอน  ', ' เซนิงาเมะ  ', '   คาเมล    ', '  คาเม็กซ์  ']



นำสายอักขระมาต่อกันทั้งหมด
สามารถนำสายอักขระจากทุกแถวมาต่อกันได้ด้วยเมธอด str.cat สามารถใส่คีย์เวิร์ด sep เพื่อกำหนดคำที่จะใช้คั่นระหว่างแต่ละตัวที่รวม
print(pokemon.str.cat())
print(pokemon.str.cat(sep='|'))

ได้
ฟุชิงิดาเนะฟุชิงิโซวฟุชิงิบานะฮิโตคาเงะลิซาร์โดลิซาร์ดอนเซนิงาเมะคาเมลคาเม็กซ์
ฟุชิงิดาเนะ|ฟุชิงิโซว|ฟุชิงิบานะ|ฮิโตคาเงะ|ลิซาร์โด|ลิซาร์ดอน|เซนิงาเมะ|คาเมล|คาเม็กซ์



เมธอดที่ใช้กับ regex
มีเมธอดมากมายที่ใช้เรกูลาร์เอ็กซ์เพรชชัน (ต่อไปจะเรียกสั้นๆว่า regex)

เรื่องเกี่ยวกับ regex นั้นได้เคยเขียนถึงไว้แล้ว อ่านได้ใน https://phyblas.hinaboshi.com/20160922

สำหรับการหาว่าสายอักขระมีอักษรหรือข้อความที่ต้องการอยู่หรือไม่อาจใช้เมธอด str.contains

เช่น หาว่ามีคำที่มีสระโออยู่หรือไม่
print(list(pokemon.str.contains('โ[ก-ฮ]')))
# ได้ [False, True, False, True, True, False, False, False, False]

หากต้องการค้นหาว่าขึ้นต้นด้วยตัวที่ต้องการหรือไม่ก็ใช้ str.match

เช่น ลองหาว่าคำไหนขึ้นต้นด้วย ก-ม บ้าง
print(list(pokemon.str.match('[ก-ม]')))
# ได้ [True, True, True, False, False, False, False, True, True]

หากต้องการให้แสดงผลการค้นหาทั้งหมดที่เจอก็ใช้ str.findall

เช่น หาคำที่เป็นสระอาหรือเอะ
print(pokemon.str.findall('เ?[ก-ฮ][าะ]'))
# ได้ [['ดา', 'เนะ'], [], ['บา', 'นะ'], ['คา', 'เงะ'], ['ซา'], ['ซา'], ['งา', 'เมะ'], ['คา'], ['คา']]

หากต้องการนับจำนวนผลการค้นหาที่เจอก็ใช้ str.count

เช่น นับจำนวนพยัญชนะในคำ
print(list(pokemon.str.count('[ก-ฮ]')))
# ได้ [5, 5, 5, 4, 4, 6, 4, 3, 4]

หากต้องการค้นหาเพื่อแทนที่ส่วนที่ค้นเจอก็ใช้ str.replace เช่น
print(list(pokemon.str.replace('า','a')))
# ได้ ['ฟุชิงิดaเนะ', 'ฟุชิงิโซว', 'ฟุชิงิบaนะ', 'ฮิโตคaเงะ', 'ลิซaร์โด', 'ลิซaร์ดอน', 'เซนิงaเมะ', 'คaเมล', 'คaเม็กซ์']

หากต้องการแยกข้อความโดยอาศัยตัวคั่นก็ใช้ str.split

เช่นแยกเมื่อเจอสระอะหรืออา
print(list(pokemon.str.split('[าะ]')))
# ได้ [['ฟุชิงิด', 'เน', ''], ['ฟุชิงิโซว'], ['ฟุชิงิบ', 'น', ''], ['ฮิโตค', 'เง', ''], ['ลิซ', 'ร์โด'], ['ลิซ', 'ร์ดอน'], ['เซนิง', 'เม', ''], ['ค', 'เมล'], ['ค', 'เม็กซ์']]

ผลการแยกปกติแล้วจะอยู่ในรูปลิสต์ แต่ถ้าใส่คีย์เวิร์ด expand=True ก็จะอยู่ในรูปของเดตาเฟรม
print(pokemon.str.split('[ะ-๙]',expand=True))

ได้
  0 1 2 3 4 5 6
1    
2   ซว None None
3   None
4   ตค     None
5   None None
6 ดอน None None None
7   ซน     None
8   มล None None None None
9   กซ   None None

ส่วน str.extract จะเป็นการแยกข้อความตามกลุ่มก้อนที่ระบุด้วยวงเล็บ () ใน regex

เช่น
print(pokemon.str.extract('(..)(.{3,4})(.*)',expand=True))

ได้
  0 1 2
1 ฟุ ชิงิ ดาเนะ
2 ฟุ ชิงิ โซว
3 ฟุ ชิงิ บานะ
4 ฮิ โตคา เงะ
5 ลิ ซาร์ โด
6 ลิ ซาร์ ดอน
7 เซ นิงา เมะ
8 คา เมล  
9 คา เม็ก ซ์

ถ้าต้องการใช้วงเล็บแต่ถ้าต้องการแค่สร้างกลุ่มก้อนเพื่อให้มีผลในการคิดแต่ไม่ต้องการให้นับรวมอยู่ในผลลัพธ์ไปด้วยให้ใส่ ?: ไว้ขึ้นต้นคำในวงเล็บ

ตัวอย่าง
p = '(.*)((?:[ก-ฮ]า(?:ร์)?)|(?:โ[ก-ฮ]))(.+)'
print(pokemon.str.extract(p,expand=True))

ได้
  0 1 2
1 ฟุชิงิ ดา เนะ
2 ฟุชิงิ โซ
3 ฟุชิงิ บา นะ
4 ฮิโต คา เงะ
5 ลิ ซาร์ โด
6 ลิ ซาร์ ดอน
7 เซนิ งา เมะ
8   คา เมล
9   คา เม็กซ์



เมธอดบางส่วนของสายอักขระ
นอกจากที่กล่าวมาข้างต้นแล้ว เมธอดบางส่วนที่ใช้ได้กับข้อมูลชนิดสายอักขระ เช่น lower, upper, strip, lstrip, rstrip, endswith, startswith ก็สามารถใช้ในนี้ได้เช่นกัน

ตัวอย่าง
pokemon = pd.Series([
        'FuShIgIdAnE','FuShIgIsOu','FuShIgIbAnA',
        'HiToKaGe','LiZaRdO','LiZaRdOn',
        'ZeNiGaMe','KaMeIl','KaMeX'],
    index=[1,2,3,4,5,6,7,8,9])
print(pd.concat([
    pokemon,
    pokemon.str.capitalize(),
    pokemon.str.lower(),
    pokemon.str.upper()],
    axis=1))

ได้
  0 1 2 3
1 FuShIgIdAnE Fushigidane fushigidane FUSHIGIDANE
2 FuShIgIsOu Fushigisou fushigisou FUSHIGISOU
3 FuShIgIbAnA Fushigibana fushigibana FUSHIGIBANA
4 HiToKaGe Hitokage hitokage HITOKAGE
5 LiZaRdO Lizardo lizardo LIZARDO
6 LiZaRdOn Lizardon lizardon LIZARDON
7 ZeNiGaMe Zenigame zenigame ZENIGAME
8 KaMeIl Kameil kameil KAMEIL
9 KaMeX Kamex kamex KAMEX



อ้างอิง


<< บทที่แล้ว      บทถัดไป >>
หน้าสารบัญ


-----------------------------------------

囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧

ดูสถิติของหน้านี้

หมวดหมู่

-- คอมพิวเตอร์ >> เขียนโปรแกรม >> python >> pandas

ไม่อนุญาตให้นำเนื้อหาของบทความไปลงที่อื่นโดยไม่ได้ขออนุญาตโดยเด็ดขาด หากต้องการนำบางส่วนไปลงสามารถทำได้โดยต้องไม่ใช่การก๊อปแปะแต่ให้เปลี่ยนคำพูดเป็นของตัวเอง หรือไม่ก็เขียนในลักษณะการยกข้อความอ้างอิง และไม่ว่ากรณีไหนก็ตาม ต้องให้เครดิตพร้อมใส่ลิงก์ของทุกบทความที่มีการใช้เนื้อหาเสมอ

目次

日本による名言集
モジュール
-- numpy
-- matplotlib

-- pandas
-- manim
-- opencv
-- pyqt
-- pytorch
機械学習
-- ニューラル
     ネットワーク
javascript
モンゴル語
言語学
maya
確率論
日本での日記
中国での日記
-- 北京での日記
-- 香港での日記
-- 澳門での日記
台灣での日記
北欧での日記
他の国での日記
qiita
その他の記事

記事の類別



ติดตามอัปเดตของบล็อกได้ที่แฟนเพจ

  記事を検索

  おすすめの記事

ตัวอักษรกรีกและเปรียบเทียบการใช้งานในภาษากรีกโบราณและกรีกสมัยใหม่
ที่มาของอักษรไทยและความเกี่ยวพันกับอักษรอื่นๆในตระกูลอักษรพราหมี
การสร้างแบบจำลองสามมิติเป็นไฟล์ .obj วิธีการอย่างง่ายที่ไม่ว่าใครก็ลองทำได้ทันที
รวมรายชื่อนักร้องเพลงกวางตุ้ง
ภาษาจีนแบ่งเป็นสำเนียงอะไรบ้าง มีความแตกต่างกันมากแค่ไหน
ทำความเข้าใจระบอบประชาธิปไตยจากประวัติศาสตร์ความเป็นมา
เรียนรู้วิธีการใช้ regular expression (regex)
การใช้ unix shell เบื้องต้น ใน linux และ mac
g ในภาษาญี่ปุ่นออกเสียง "ก" หรือ "ง" กันแน่
ทำความรู้จักกับปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง
ค้นพบระบบดาวเคราะห์ ๘ ดวง เบื้องหลังความสำเร็จคือปัญญาประดิษฐ์ (AI)
หอดูดาวโบราณปักกิ่ง ตอนที่ ๑: แท่นสังเกตการณ์และสวนดอกไม้
พิพิธภัณฑ์สถาปัตยกรรมโบราณปักกิ่ง
เที่ยวเมืองตานตง ล่องเรือในน่านน้ำเกาหลีเหนือ
ตระเวนเที่ยวตามรอยฉากของอนิเมะในญี่ปุ่น
เที่ยวชมหอดูดาวที่ฐานสังเกตการณ์ซิงหลง
ทำไมจึงไม่ควรเขียนวรรณยุกต์เวลาทับศัพท์ภาษาต่างประเทศ

月別記事

2024年

1月 2月 3月 4月
5月 6月 7月 8月
9月 10月 11月 12月

2023年

1月 2月 3月 4月
5月 6月 7月 8月
9月 10月 11月 12月

2022年

1月 2月 3月 4月
5月 6月 7月 8月
9月 10月 11月 12月

2021年

1月 2月 3月 4月
5月 6月 7月 8月
9月 10月 11月 12月

2020年

1月 2月 3月 4月
5月 6月 7月 8月
9月 10月 11月 12月

もっと前の記事

ไทย

日本語

中文