软件测试|Python科学计算神器numpy教程(十)

简介: 软件测试|Python科学计算神器numpy教程(十)

image.png

numpy字符串处理

简介

NumPy是一个功能强大的Python库,主要用于科学计算和数据处理。除了处理数值数据外,NumPy还提供了一些强大的字符串处理功能。本文将介绍NumPy中常用的字符串处理函数,包括字符串拼接、切片、查找、替换等操作,展示NumPy在字符串处理方面的优势。

字符串拼接

NumPy提供了np.char.add()函数用于字符串的拼接。它接受两个字符串数组作为输入,并返回一个新的字符串数组,其中每个元素是对应位置上两个输入字符串的拼接结果。代码如下:

arr1 = np.array(['Hello', 'World'])
arr2 = np.array(['!', 'NumPy'])

result = np.char.add(arr1, arr2)
print(result)  # ['Hello!' 'WorldNumPy']

字符串拷贝

NumPy提供了np.char.multiply()函数用于字符串的拼接。该函数将指定的字符串进行多次拷贝,并将拷贝结果返回。代码如下:

import numpy as np
print (np.char.multiply('Forever no.1!',3))
----------------------------
输出结果如下:
Forever no.1! Forever no.1! Forever no.1!

首字母转换为大写

Numpy提供了numpy.char.capitalize()函数用于字符串首字母转换成大写字母,代码如下:

import numpy as np
print (np.char.capitalize('python'))
-------------------------
输出结果如下:
Python

每个元素的首字母转换为大写

NumPy的np.char.title()函数用于将字符串数组中每一个元素的首字母大写,代码如下:

import numpy as np  
print(np.char.title("china is a great country!"))
---------------------------------------
输出结果如下:
China Is A Great Country!

每个元素的字母转换为小写

NumPy的np.char.lower()函数用于将字符串数组中的大写字母全部转换为小写,代码如下:

import numpy as np
print(np.char.lower("WELCOME TO GANZHOU"))
------------------------------
输出结果如下:
welcome to ganzhou

每个元素的字母转换为大写

NumPy的np.char.upper()函数用于将字符串数组中的大小写字母全部转换为大写,代码如下:

import numpy as np
print(np.char.lower("welcome to ganzhou"))
-----------------------------
输出结果如下:
WELCOME TO GANZHOU

指定分隔符分割

Numpy的numpy.char.split()方法可以使用指定分隔符对字符串进行分割,代码如下:

import numpy as np
print(np.char.split("Welcome to Ganzhou"),sep = " ")
------------------------
输出结果如下:
['Welcome', 'to', 'Ganzhou']

换行符分割

Numpy的numpy.char.splitlines()方法可以使用换行符对字符串进行分割,代码如下:

import numpy as np
print("按换行符分割")
print(np.char.splitlines("Welcome\nto\nGanzhou"))
-----------------------------
输出结果如下:
按换行符分割
['Welcome', 'to', 'Ganzhou']

移除字符串前后的空格

Numpy的numpy.char.strip()方法可以去掉字符串前后的空格,代码如下:

import numpy as np
print("去掉前后空格")
print(np.char.strip("  Welcome to Ganzhou  "))
-------------------
输出结果如下:
去掉前后空格
Welcome to Ganzhou

字符替换

Numpy的numpy.char.replace()可以使用新字符替换原字符串中的指定字符,代码如下:

import numpy as np
str = "Welcome to Ganzhou"
print("原字符串:",str)
#更改后字符串
print(np.char.replace(str, "Welcome to","Hello"))
-------------------------
输出结果如下:
原字符串: Welcome to Ganzhou
Hello Ganzhou

字符串切片

使用NumPy,我们可以轻松地对字符串数组进行切片操作。可以使用np.char.slice()函数指定起始和结束位置进行切片,并返回切片后的字符串数组,代码如下:

arr = np.array(['Hello', 'World'])

result = np.char.slice(arr, start=0, stop=3)
print(result)  # ['Hel' 'Wor']

字符串查找

NumPy提供了多个函数用于字符串的查找操作。其中,np.char.find()函数用于查找子字符串在字符串数组中的位置,并返回一个新的整数数组。

arr = np.array(['Hello', 'World'])

result = np.char.find(arr, sub='l')
print(result)  # [2 -1]

在上面的示例中,子字符串'l'在第一个元素中的位置是2,在第二个元素中未找到,返回-1。

总结

NumPy不仅是一个出色的数值计算库,还提供了强大的字符串处理功能。通过使用NumPy提供的字符串处理函数,我们可以轻松地进行字符串拼接、切片、查找、替换等操作,极大地简化了字符串处理的过程。希望本文对大家了解和使用NumPy的字符串处理功能有所帮助!

相关文章
|
8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++
690 1
|
8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 &、|。
405 0
|
9月前
|
数据采集 存储 XML
Python爬虫技术:从基础到实战的完整教程
最后强调: 父母法律法规限制下进行网络抓取活动; 不得侵犯他人版权隐私利益; 同时也要注意个人安全防止泄露敏感信息.
1080 19
|
8月前
|
索引 Python
Python 列表切片赋值教程:掌握 “移花接木” 式列表修改技巧
本文通过生动的“嫁接”比喻,讲解Python列表切片赋值操作。切片可修改原列表内容,实现头部、尾部或中间元素替换,支持不等长赋值,灵活实现列表结构更新。
420 1
|
9月前
|
数据采集 存储 JSON
使用Python获取1688商品详情的教程
本教程介绍如何使用Python爬取1688商品详情信息,涵盖环境配置、代码编写、数据处理及合法合规注意事项,助你快速掌握商品数据抓取与保存技巧。
|
10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。
797 0
|
10月前
|
并行计算 算法 Java
Python3解释器深度解析与实战教程:从源码到性能优化的全路径探索
Python解释器不止CPython,还包括PyPy、MicroPython、GraalVM等,各具特色,适用于不同场景。本文深入解析Python解释器的工作原理、内存管理机制、GIL限制及其优化策略,并介绍性能调优工具链及未来发展方向,助力开发者提升Python应用性能。
577 0
|
10月前
|
数据采集 索引 Python
Python Slice函数使用教程 - 详解与示例 | Python切片操作指南
Python中的`slice()`函数用于创建切片对象,以便对序列(如列表、字符串、元组)进行高效切片操作。它支持指定起始索引、结束索引和步长,提升代码可读性和灵活性。
|
10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。
980 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
机器学习/深度学习 数据处理 Python
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
457 1

推荐镜像

更多