每天學一點資料科學 Day 2（字串取代、型別轉換）

施政宇

發佈於每天學一點資料科學

更新於 2025/02/18發佈於 2025/02/18閱讀時間約 5 分鐘

上一篇忘記說明，在這邊補充這一系列的Pandas是跟著《AI時代的資料科學：小白到數據專家的全面指南》一書中的內容進行學習，目前預想的進度是一篇學習一小個章節。

終於不用傻傻地用for迴圈慢慢做字串處理

以往碰到dataframe中某欄的資料需要對字串或型別進行處理，都是使用for迴圈來做，雖然可以達成目的，但總覺得程式碼中充斥著for迴圈好像哪裡怪怪的。

圖片來源：devRant (https://devrant.com/rants/3711991/when-your-program-is-a-complete-mess-but-does-its-job)

但其實Pandas中有一些好用、快速且高效的函數可以做到這些事，尤其是在dataframe如果超級大的時候會比for迴圈更有效率。

字串取代和型別轉換

首先一樣先建立一個dataframe，眼尖一點的話應該會發現這是台積電的資料XD

df = pd.DataFrame(
	{
		"date": ["114/02/13", "114/02/14", "114/02/17", "114/02/18"],
		"price": ["1090.00", "1065.00", "1065.00", "1085.00"],
		"change": ["-10", "-30", "+25", "+15"]
	}
)

印出來會長這樣：

str.replace()

將字串a取代成字串b

對dataframe中某一欄中的資料進行字串取代，可以使用.str.replace()這個函數來達成，像是我如果偏好日期的年月日之間不使用符號來連接，那我可以透過以下的程式碼：

df["date"] = df["date"].str.replace(r"\D", "")

replace中的r"\D"是正則表達式中代表所有非數字的字元，因此這行程式碼的作用是將date欄位的每筆資料中的非數字字元全部替換成空字串，所以像是114/02/13就會變成1140213。然而，我實際執行時卻發現資料完全沒有變化，程式碼檢查了老半天也找不出bug，最後靠著求助chatgpt後終於得到了解答。

在新版的 pandas（例如 1.5 或更高版本）中，str.replace() 默認會將正則表達式中的替換模式視為 regex=True，但這在某些情況下會需要更明確的處理。如果 regex=False（即不使用正則表達式），這樣的替換可能不會生效。

先不論解釋正不正確，反正它確實解決了不能正確取代的問題。因此程式碼變成以下這樣：

df["date"] = df["date"].str.replace(r"\D", "", regex=True)

年/月/日變成年月日

如此一來就成功進行了取代。

當然這種簡單的case也能單純地使用str.replace("/", "")就能達到一樣的效果。

astype()

將欄中的資料全部轉換成特定的型別 (type)

很多看上去是數字的資料，其實是以字串 (str)的型別儲存，當要進行運算時就會跳出錯誤，所以對資料進行型別轉換相當常見。

使用astype()來對指定欄中的資料統一進行型別轉換，括號中可以放入想要轉換成的型別。

# 確認change中的資料在轉換前的型別
for data in df["change"]:
		print(type(data))

# 將change中的資料型別轉換為int
df["change"] = df["change"].astype("int")

# 確認change中的資料在轉換後的型別
print("\n", "型別轉換後", "\n")
for data_new in df["change"]:
		print(type(data_new))