# 307、pandas.Series.str.center方法

# 307-1、文本对齐与格式化

# 0 Product Name

# 1 Price

# 2 Quantity

# dtype: object

# 307-2、数据标准化

# 0 *****Apple*****

# 1 ***Microsoft***

# 2 *****Google****

# 3 *****Amazon****

# dtype: object

# 307-3、文本界面显示

# 0 ----------Start Game----------

# 1 -----------Options------------

# 2 -------------Quit-------------

# dtype: object

# 307-4、报表生成

# Product Price Quantity

# 0 Laptop 999.99 10

# 1 Smartphone 699.99 20

# 2 Tablet 499.99 15

# 3 Monitor 199.99 7

# 307-5、美观的用户界面

# 0 ====OK====

# 1 ==Cancel==

# 2 ==Apply===

# dtype: object

308、pandas.Series.str.contains函数

308-1、语法

# 308、pandas.Series.str.contains函数

pandas.Series.str.contains(pat, case=True, flags=0, na=None, regex=True)

Test if pattern or regex is contained within a string of a Series or Index.

Return boolean Series or Index based on whether a given pattern or regex is contained within a string of a Series or Index.

Parameters:

patstr

Character sequence or regular expression.

casebool, default True

If True, case sensitive.

flagsint, default 0 (no flags)

Flags to pass through to the re module, e.g. re.IGNORECASE.

nascalar, optional

Fill value for missing values. The default depends on dtype of the array. For object-dtype, numpy.nan is used. For StringDtype, pandas.NA is used.

regexbool, default True

If True, assumes the pat is a regular expression.

If False, treats the pat as a literal string.

Returns:

Series or Index of boolean values

A Series or Index of boolean values indicating whether the given pattern is contained within the string of each element of the Series or Index.

308-2、参数

308-2-1、pat(必须)：指定要匹配的模式或字符串，这是你要在Series中查找的字符串模式，可以是简单的字符串或正则表达式。

308-2-2、case(可选，默认值为True)：指定是否区分大小写，如果为True，则匹配时区分大小写；如果为False，则忽略大小写。

308-2-3、flags(可选，默认值为0)：控制正则表达式匹配的标志，用于修改正则表达式的行为。例如，re.IGNORECASE(flags=re.I)可以与case=False类似，实现忽略大小写的匹配。

308-2-4、na(可选，默认值为None)：指定在Series元素为缺失值时返回的布尔值，如果设置为True或False，缺失值将被替换为该布尔值；如果设置为None，缺失值将保持不变。

308-2-5、regex(可选，默认值为True)：指定pat是否作为正则表达式进行处理，如果为True，则pat将被解释为正则表达式；如果为False，pat将被解释为普通的字符串。如果你不需要使用正则表达式，可以将其设置为False，以提高匹配速度。

308-3、功能

        用于检查每个字符串元素是否包含特定的模式(pat)，并返回布尔值(True或False)的Series，用于标识每个元素是否包含该模式。

308-4、返回值

        返回一个布尔值的Series，每个元素对应原Series的一个元素，如果该元素包含匹配的模式，则返回True，否则返回False。

308-5、说明

        使用场景：

308-5-1、数据筛选与过滤：在一列包含字符串的数据中，查找包含特定关键词的行。例如，从新闻标题中筛选出包含某个关键词的文章。

308-5-2、数据清洗与预处理：检查数据中的字符串是否符合预期的模式。例如，检查电子邮件字段是否包含“@”符号，以识别无效的电子邮件地址。

308-5-3、特征工程：在构建机器学习模型时，将字符串数据中的模式匹配结果作为特征。例如，判断客户评论中是否包含正面或负面的关键词。

308-5-4、异常值检测：在文本数据中识别不常见或异常的模式。例如，在地址字段中检查是否包含无效字符或格式。

308-5-5、分类与标记：根据特定模式对数据进行分类或标记。例如，根据文章标题中是否包含“Breaking”来标记紧急新闻。

308-5-6、数据对比：比较不同数据源中的字符串字段，找出共同特征或差异。例如，比较用户输入的地址与标准地址列表是否匹配。

308-5-7、正则表达式的应用：通过正则表达式匹配复杂的字符串模式。例如，提取日志文件中的特定日志类型或错误信息。

308-6、用法

308-6-1、数据准备

无

308-6-2、代码示例

# 308、pandas.Series.str.contains函数

# 308-1、数据筛选与过滤

import pandas as pd

# 示例数据

data = pd.Series(['apple pie', 'banana bread', 'apple juice', 'grape soda'])

# 筛选包含“apple”的行

apple_products = data[data.str.contains('apple')]

print(apple_products, end='\n\n')code>

# 308-2、数据清洗与预处理

import pandas as pd

# 示例数据

emails = pd.Series(['test@example.com', 'invalidemail.com', 'user@domain.com', 'another.invalidemail'])

# 筛选不包含“@”符号的行

invalid_emails = emails[~emails.str.contains('@')]

print(invalid_emails, end='\n\n')code>

# 308-3、特征工程

import pandas as pd

# 示例数据

data = pd.DataFrame({

'review': ['This is good', 'Very bad experience', 'Good value for money', 'Not good at all']

})

# 创建一个新特征，表示评论中是否包含“good”

data['contains_good'] = data['review'].str.contains('good', case=False)

print(data, end='\n\n')code>

# 308-4、异常值检测

import pandas as pd

# 示例数据

addresses = pd.Series(['123 Main St.', '456 Elm St.', '!@#$% Invalid', '789 Oak St.'])

# 查找包含无效字符的地址

invalid_addresses = addresses[addresses.str.contains('[!@#$%^&*()]', regex=True)]

print(invalid_addresses, end='\n\n')code>

# 308-5、分类与标记

import pandas as pd

# 示例数据

data = pd.DataFrame({

'title': ['Breaking News: Market Crash', 'Daily Update', 'Breaking: New Law Passed', 'Weather Report']

})

# 标记标题中包含“Breaking”的行

data['is_breaking'] = data['title'].str.contains('Breaking')

print(data, end='\n\n')code>

# 308-6、数据对比

import pandas as pd

# 示例数据

user_addresses = pd.Series(['123 Main St.', '456 Elm St.', '789 Oak St.', 'Unknown Address'])

standard_addresses = ['123 Main St.', '456 Elm St.', '789 Oak St.']

# 筛选出与标准地址匹配的用户输入地址

matched_addresses = user_addresses[user_addresses.str.contains('|'.join(standard_addresses))]

print(matched_addresses, end='\n\n')code>

# 308-7、正则表达式的应用

import pandas as pd

# 示例数据

logs = pd.Series(['INFO: System running', 'ERROR: Disk full', 'INFO: Backup completed', 'ERROR: Network down'])

# 提取包含“ERROR”的日志行

error_logs = logs[logs.str.contains('ERROR')]

print(error_logs)

308-6-3、结果输出