Python学习笔记第四十二天(NumPy 字符串函数)

简介: Python学习笔记第四十二天讲解numpy.char.add()、numpy.char.multiply()、numpy.char.center()、numpy.char.capitalize()、numpy.char.title()、numpy.char.lower()、numpy.char.upper()、numpy.char.split()、numpy.char.splitlines()、numpy.char.strip()、numpy.char.join()等用法。

Python学习笔记第四十二天

NumPy 字符串函数

以下函数用于对 dtype 为 numpy.string_ 或 numpy.unicode_ 的数组执行向量化字符串操作。 它们基于 Python 内置库中的标准字符串函数。

这些函数在字符数组类(numpy.char)中定义。

函数 描述
add() 对两个数组的逐个字符串元素进行连接
multiply() 返回按元素多重连接后的字符串
center() 居中字符串
capitalize() 将字符串第一个字母转换为大写
title() 将字符串的每个单词的第一个字母转换为大写
lower() 数组元素转换为小写
upper() 数组元素转换为大写
split() 指定分隔符对字符串进行分割,并返回数组列表
splitlines() 返回元素中的行列表,以换行符分割
strip() 移除元素开头或者结尾处的特定字符
join() 通过指定分隔符来连接数组中的元素
replace() 使用新字符串替换字符串中的所有子字符串
decode() 数组元素依次调用str.decode
encode() 数组元素依次调用str.encode

numpy.char.add()

numpy.char.add() 函数依次对两个数组的元素进行字符串连接。

# 实例 1
import numpy as np 
 
print ('连接两个字符串:')
print (np.char.add(['hello'],[' xyz']))
print ('\n')
 
print ('连接示例:')
print (np.char.add(['hello', 'hi'],[' abc', ' xyz']))

输出结果为:

连接两个字符串:
['hello xyz']

连接示例:
['hello abc' 'hi xyz']

numpy.char.multiply()

numpy.char.multiply() 函数执行多重连接。

# 实例 2
import numpy as np 
 
print (np.char.multiply('abc ',3))

输出结果为:

abc abc abc

numpy.char.center()

numpy.char.center() 函数用于将字符串居中,并使用指定字符在左侧和右侧进行填充。

# 实例 3
import numpy as np 
 
# np.char.center(str , width,fillchar) :
# str: 字符串,width: 长度,fillchar: 填充字符
print (np.char.center('Rabc', 20,fillchar = '*'))

输出结果为:

*******abc*******

numpy.char.capitalize()

numpy.char.capitalize() 函数将字符串的第一个字母转换为大写:

# 实例 4
import numpy as np 
 
print (np.char.capitalize('abc'))

输出结果为:

abc

numpy.char.title()

numpy.char.title() 函数将字符串的每个单词的第一个字母转换为大写:

# 实例 5
import numpy as np
 
print (np.char.title('i like abc'))

输出结果为:

I Like abc

numpy.char.lower()

numpy.char.lower() 函数对数组的每个元素转换为小写。它对每个元素调用 str.lower。

# 实例 6
import numpy as np 
 
#操作数组
print (np.char.lower(['Baidu','GOOGLE']))
 
# 操作字符串
print (np.char.lower('Baidu'))

输出结果为:

['baidu' 'google']
baidu

numpy.char.upper()

numpy.char.upper() 函数对数组的每个元素转换为大写。它对每个元素调用 str.upper。

# 实例 7
import numpy as np 
 
#操作数组
print (np.char.upper(['baidu','google']))
 
# 操作字符串
print (np.char.upper('baidu'))

输出结果为:

['BAIDU' 'GOOGLE']
BAIDU

numpy.char.split()

numpy.char.split() 通过指定分隔符对字符串进行分割,并返回数组。默认情况下,分隔符为空格。

# 实例 8
import numpy as np 
 
# 分隔符默认为空格
print (np.char.split ('i like abc?'))
# 分隔符为 .
print (np.char.split ('www.abc.com', sep = '.'))

输出结果为:

['i', 'like', 'abc?']
['www', 'abc', 'com']

numpy.char.splitlines()

numpy.char.splitlines() 函数以换行符作为分隔符来分割字符串,并返回数组。

# 实例 9
import numpy as np 
 
# 换行符 \n
print (np.char.splitlines('i\nlike abc?')) 
print (np.char.splitlines('i\rlike abc?'))

输出结果为:

['i', 'like abc?']
['i', 'like abc?']

\n,\r,\r\n 都可用作换行符。

numpy.char.strip()

numpy.char.strip() 函数用于移除开头或结尾处的特定字符。

# 实例 10
import numpy as np 
 
# 移除字符串头尾的 a 字符
print (np.char.strip('ashok aabc','a'))
 
# 移除数组元素头尾的 a 字符
print (np.char.strip(['aabc','admin','java'],'a'))

输出结果为:

shok abc
['abc' 'dmin' 'jav']

numpy.char.join()

numpy.char.join() 函数通过指定分隔符来连接数组中的元素或字符串

# 实例 11
import numpy as np 
 
# 操作字符串
print (np.char.join(':','abc'))
 
# 指定多个分隔符操作数组元素
print (np.char.join([':','-'],['abc','google']))

输出结果为:

a:b:c
['a:b:c' 'g-o-o-g-l-e']

numpy.char.replace()

numpy.char.replace() 函数使用新字符串替换字符串中的所有子字符串。

# 实例 12
import numpy as np 
 
print (np.char.replace ('i like room', 'oo', 'cc'))

输出结果为:

i like rccm

numpy.char.encode()

numpy.char.encode() 函数对数组中的每个元素调用 str.encode 函数。 默认编码是 utf-8,可以使用标准 Python 库中的编解码器。

# 实例 13
import numpy as np 
 
a = np.char.encode('abc', '500') 
print (a)

输出结果为:

b'\x81\x82\x83'

numpy.char.decode()

numpy.char.decode() 函数对编码的元素进行 str.decode() 解码。

# 实例14
import numpy as np

a = np.char.encode('abc', '500')
print(a)
print(np.char.decode(a, '500'))

输出结果

b'\x81\x82\x83'
abc

今天学习的是PythonNumPy 字符串函数学会了吗。 今天学习内容总结一下:

  1. numpy.char.add()
  2. numpy.char.multiply()
  3. numpy.char.center()
  4. numpy.char.capitalize()
  5. numpy.char.title()
  6. numpy.char.lower()
  7. numpy.char.upper()
  8. numpy.char.split()
  9. numpy.char.splitlines()
  10. numpy.char.strip()
  11. numpy.char.join()
  12. numpy.char.replace()
  13. numpy.char.encode()
  14. numpy.char.decode()
相关文章
|
3月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
386 1
|
3月前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
220 0
|
5月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
509 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
5月前
|
存储 数据采集 数据处理
Pandas与NumPy:Python数据处理的双剑合璧
Pandas与NumPy是Python数据科学的核心工具。NumPy以高效的多维数组支持数值计算,适用于大规模矩阵运算;Pandas则提供灵活的DataFrame结构,擅长处理表格型数据与缺失值。二者在性能与功能上各具优势,协同构建现代数据分析的技术基石。
476 0
|
网络协议 Java Linux
PyAV学习笔记(一):PyAV简介、安装、基础操作、python获取RTSP(海康)的各种时间戳(rtp、dts、pts)
本文介绍了PyAV库,它是FFmpeg的Python绑定,提供了底层库的全部功能和控制。文章详细讲解了PyAV的安装过程,包括在Windows、Linux和ARM平台上的安装步骤,以及安装中可能遇到的错误和解决方法。此外,还解释了时间戳的概念,包括RTP、NTP、PTS和DTS,并提供了Python代码示例,展示如何获取RTSP流中的各种时间戳。最后,文章还提供了一些附录,包括Python通过NTP同步获取时间的方法和使用PyAV访问网络视频流的技巧。
3601 4
PyAV学习笔记(一):PyAV简介、安装、基础操作、python获取RTSP(海康)的各种时间戳(rtp、dts、pts)
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
322 2
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
800 5
|
存储 数据处理 Python
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第27天】在科学计算和数据分析领域,Python凭借简洁的语法和强大的库支持广受欢迎。NumPy和SciPy作为Python科学计算的两大基石,提供了高效的数据处理和分析工具。NumPy的核心功能是N维数组对象(ndarray),支持高效的大型数据集操作;SciPy则在此基础上提供了线性代数、信号处理、优化和统计分析等多种科学计算工具。结合使用NumPy和SciPy,可以显著提升数据处理和分析的效率,使Python成为科学计算和数据分析的首选语言。
339 3
|
存储 机器学习/深度学习 算法
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第26天】NumPy和SciPy是Python科学计算领域的两大核心库。NumPy提供高效的多维数组对象和丰富的数学函数,而SciPy则在此基础上提供了更多高级的科学计算功能,如数值积分、优化和统计等。两者结合使Python在科学计算中具有极高的效率和广泛的应用。
473 2
|
关系型数据库 MySQL 数据库
Mysql学习笔记(四):Python与Mysql交互--实现增删改查
如何使用Python与MySQL数据库进行交互,实现增删改查等基本操作的教程。
222 1

推荐镜像

更多