Python possui alguns métodos embutidos para converter uma string em caixa baixa, caixa alta ou camelo. Mas esses métodos não funcionam na lista e em outros objetos de várias strings. Pandas é uma biblioteca para análise de dados que fornece métodos separados para converter todos os valores em uma série para os respectivos casos de texto. Uma vez que, lower, upper e title também são palavras-chave do Python, .str deve ser prefixado antes de chamar essas funções em uma série do Pandas.
Sintaxe:
- Series.str.lower()
- Series.str.upper()
- Series.str.title()
Parametros: Não recebe nenhum parametro.
Tipo de retorno: Series com novos valores.
Para baixar o arquivo csv que vamos usar, clique aqui
Nos exemplos a seguir, o dataframe usado contém dados de alguns funcionários. O DataFrame antes de qualquer operação é mostrado abaixo.
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team 0 Douglas Male 8/6/1993 12:42 PM 97308 6.945 True Marketing 1 Thomas Male 3/31/1996 6:53 AM 61933 4.170 True NaN 2 Maria Female 4/23/1993 11:17 AM 130590 11.858 False Finance 3 Jerry Male 3/4/2005 1:00 PM 138705 9.340 True Finance 4 Larry Male 1/24/1998 4:47 PM 101004 1.389 True Client Services .. ... ... ... ... ... ... ... ... 995 Henry NaN 11/23/2014 6:09 AM 132483 16.655 False Distribution 996 Phillip Male 1/31/1984 6:30 AM 42392 19.675 False Finance 997 Russell Male 5/20/2013 12:39 PM 96914 1.421 False Product 998 Larry Male 4/20/2013 4:45 PM 60500 11.985 False Business Development 999 Albert Male 5/15/2012 6:24 PM 129949 10.169 True Sales [1000 rows x 8 columns]
Exemplo #1: Usando o método .lower() em uma série
Neste exemplo, o método .lower() está sendo chamada pela coluna Name e, portanto, todos os valores na coluna Name serão convertidos em minúsculas.
# importando o pacote pandas
import pandas as pd
# Criando um dataframe a partir
# de um arquivo csv
data = pd.read_csv("employees.csv")
# Convertendo os valores da coluna 'First Name' para caixa baixa
data["First Name"] = data["First Name"].str.lower()
print(data)
Conforme mostrado na saída do dataframe abaixo, todos os valores na coluna Name foram convertidos em minúsculas.
Saída:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team 0 douglas Male 8/6/1993 12:42 PM 97308 6.945 True Marketing 1 thomas Male 3/31/1996 6:53 AM 61933 4.170 True NaN 2 maria Female 4/23/1993 11:17 AM 130590 11.858 False Finance 3 jerry Male 3/4/2005 1:00 PM 138705 9.340 True Finance 4 larry Male 1/24/1998 4:47 PM 101004 1.389 True Client Services .. ... ... ... ... ... ... ... ... 995 henry NaN 11/23/2014 6:09 AM 132483 16.655 False Distribution 996 phillip Male 1/31/1984 6:30 AM 42392 19.675 False Finance 997 russell Male 5/20/2013 12:39 PM 96914 1.421 False Product 998 larry Male 4/20/2013 4:45 PM 60500 11.985 False Business Development 999 albert Male 5/15/2012 6:24 PM 129949 10.169 True Sales [1000 rows x 8 columns]
Exemplo #2: Usando .upper() em uma série
Neste exemplo, o método .upper() está sendo chamada pela coluna Equipe e, portanto, todos os valores na coluna Equipe serão convertidos em maiúsculas.
# importando o pacote pandas
import pandas as pd
# Criando um dataframe a partir
# de um arquivo csv
data = pd.read_csv("employees.csv")
# Convertendo os valores da coluna 'team' para caixa alta
data["Team"] = data["Team"].str.upper()
print(data)
Conforme mostrado na saída do DataFrame abaixo, todos os valores na coluna Team foram convertidos em maiúsculas.
Saída:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team 0 Douglas Male 8/6/1993 12:42 PM 97308 6.945 True MARKETING 1 Thomas Male 3/31/1996 6:53 AM 61933 4.170 True NaN 2 Maria Female 4/23/1993 11:17 AM 130590 11.858 False FINANCE 3 Jerry Male 3/4/2005 1:00 PM 138705 9.340 True FINANCE 4 Larry Male 1/24/1998 4:47 PM 101004 1.389 True CLIENT SERVICES .. ... ... ... ... ... ... ... ... 995 Henry NaN 11/23/2014 6:09 AM 132483 16.655 False DISTRIBUTION 996 Phillip Male 1/31/1984 6:30 AM 42392 19.675 False FINANCE 997 Russell Male 5/20/2013 12:39 PM 96914 1.421 False PRODUCT 998 Larry Male 4/20/2013 4:45 PM 60500 11.985 False BUSINESS DEVELOPMENT 999 Albert Male 5/15/2012 6:24 PM 129949 10.169 True SALES [1000 rows x 8 columns]
Exemplo #3: Usando .title() em uma série
Neste exemplo, o método .title() está sendo chamada pela coluna Team e, portanto, todos os valores dentro da coluna serão convertidos para camelcase. Como os valores na coluna Team já estavam em maiúsculas, ela foi convertida para maiúsculas antes e depois novamente em maiúsculas para verificar a funcionalidade do método .title().
# importando o pacote pandas
import pandas as pd
# Criando um dataframe a partir
# de um arquivo csv
data = pd.read_csv("employees.csv")
data["Team"] = data["Team"].str.upper().str.title()
print(data)
Conforme mostrado na saída do DataFrame abaixo, todos os valores na coluna team foram convertidos para o Camel case.
Saída:
First Name Gender Start Date Last Login Time Salary Bonus % Senior Management Team 0 Douglas Male 8/6/1993 12:42 PM 97308 6.945 True Marketing 1 Thomas Male 3/31/1996 6:53 AM 61933 4.170 True NaN 2 Maria Female 4/23/1993 11:17 AM 130590 11.858 False Finance 3 Jerry Male 3/4/2005 1:00 PM 138705 9.340 True Finance 4 Larry Male 1/24/1998 4:47 PM 101004 1.389 True Client Services .. ... ... ... ... ... ... ... ... 995 Henry NaN 11/23/2014 6:09 AM 132483 16.655 False Distribution 996 Phillip Male 1/31/1984 6:30 AM 42392 19.675 False Finance 997 Russell Male 5/20/2013 12:39 PM 96914 1.421 False Product 998 Larry Male 4/20/2013 4:45 PM 60500 11.985 False Business Development 999 Albert Male 5/15/2012 6:24 PM 129949 10.169 True Sales [1000 rows x 8 columns]
Artigo escrito por Kartikaybhutani e traduzido por Acervolima de Python | Pandas Series.str.lower(), upper() and title().
0 comentários:
Postar um comentário