详解pandas.str.upper()(转换字符串为大写)函数使用方法

yizhihongxing

pandas.str.upper()函数可以将Series或DataFrame中的字符串全部转换为大写字母,即将每个字符串中的所有小写字母转换成大写字母。

语法pandas.Series.str.upper()

返回值:Series或DataFrame

使用方法及示例:

将单个Series中的字符串转换为大写字母

import pandas as pd 

data = pd.Series(['hello', 'worLd', 'Python', 'pandas']) 
data_upper = data.str.upper() 
print(data_upper) 

输出结果如下:

0     HELLO 
1     WORLD 
2    PYTHON 
3    PANDAS 
dtype: object 

将DataFrame中的一个或多个列转换为大写字母

import pandas as pd 

data = pd.DataFrame({'name':['Alice', 'Bob', 'Charlie'], 'gender':['f', 'M', 'M']}) 
data['name_upper'] = data['name'].str.upper() 
data['gender_upper'] = data['gender'].str.upper() 
print(data) 

输出结果如下:

      name gender name_upper gender_upper 
0    Alice      f      ALICE            F 
1      Bob      M        BOB            M 
2  Charlie      M    CHARLIE            M 

在这个示例中,我们创建了一个包含姓名和性别的DataFrame,然后使用data['name'].str.upper()将name列中的每个字符串转换为大写字母,并将结果存储在新的列name_upper中。同样地,我们使用data['gender'].str.upper()将gender列中的每个字符串转换为大写字母,并将结果存储在新的列gender_upper中。

这就是pandas.str.upper()的基本作用和使用方法,使用它可以方便地将Series或DataFrame中的字符串转换为大写字母。

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:详解pandas.str.upper()(转换字符串为大写)函数使用方法 - Python技术站

(0)
上一篇 2023年3月22日
下一篇 2023年3月22日

相关文章

  • 详解pandas.DataFrame.drop_duplicates()(删除重复行)函数使用方法

    pandas.DataFrame.drop_duplicates() 是 pandas 中常用的数据清洗方法,用于从 DataFrame 中删除重复行。 具体作用是去除 DataFrame 中重复的行,并返回去除后的新 DataFrame。同时,它还可以指定哪些列用于判断重复行,以及判断重复行时的行为。 使用方法: pandas.DataFrame.drop…

    Pandas函数大全 2023年3月22日
    00
  • 详解pandas.merge()(合并数据框)函数使用方法

    pandas.merge()是一个在pandas库中用于合并、连接和 join 数据集的函数。这个函数能够参考多个键来合并不同数据集的行。具体而言,merge()函数根据列之间的关系来合并 DataFrame 对象。 merge()函数的语法如下所示: pandas.merge(left, right, how='inner', on=N…

    Pandas函数大全 2023年3月22日
    00
  • 详解pandas.DataFrame.describe()(计算数据框统计信息)函数使用方法

    pandas.DataFrame.describe()的作用 pandas.DataFrame.describe()函数用于生成数据集的统计描述。它返回给定数据集的主要统计量,例如平均值、标准差、最小值、最大值和四分位数等。该函数的输出格式是一个数据帧(DataFrame),它显示了每个统计量的值以及数据集中的样本数。 使用方法 pandas.DataFra…

    Pandas函数大全 2023年3月22日
    00
  • 详解pandas.groupby()(按列分组)函数使用方法

    pandas.groupby()的作用 pandas.groupby()用于按照一定的条件(实际上就是指定一个或多个列)对数据集进行分组,分组后可以对各个分组做一些统计分析,如求和、平均值等。 pandas.groupby()的使用方法 创建数据集 在进行分组操作之前,首先需要创建一个数据集。 例如,创建一个记录销售额的数据集: import pandas …

    Pandas函数大全 2023年3月22日
    00
  • 详解pandas.isnull()(检测缺失值)函数使用方法

    pandas.isnull()是Pandas库中的一个函数,用于检测数据中的缺失值(NaN)。 作用 检测数据中空值,返回一个布尔类型的数组,其中的True表示该位置有缺失值,False表示无缺失值。 在数据清洗和处理时,可以通过该函数有效地定位缺失值并进行填充或删除操作。 使用方法 pandas.isnull(obj) 参数obj为要进行缺失值检测的数据对…

    Pandas函数大全 2023年3月22日
    00
  • 详解pandas.Series()(创建一维序列)函数使用方法

    pandas.Series()的作用: pandas.Series()是pandas库中的一种数据结构,用于表示一维数据,类似于带标签的数组。可以将Series视为带标签的列表或字典。Series对象具有许多方便的属性和方法,可以轻松操作数据。使用pandas.Series()可以方便地建立、处理、分析和可视化数据。 使用方法: pandas.Series(…

    Pandas函数大全 2023年3月22日
    00
  • 详解pandas.DataFrame.to_sql()(将数据框写入SQL数据库)函数使用方法

    pandas.DataFrame.to_sql()函数可以将数据写入SQL数据库中,其用法如下所示: DataFrame.to_sql(name, con[, schema, if_exists, index, index_label, chunksize, dtype]) 其中,参数含义如下: name:表名或者SQL语句。 con:SQLAlchemy连…

    Pandas函数大全 2023年3月22日
    00
  • 详解pandas.DataFrame.fillna()(填充缺失值)函数使用方法

    作用及使用方法 pandas.DataFrame.fillna()函数的作用是将数据帧(DataFrame)中的缺失值(NaN值)用指定的值或方法进行填充。具体使用方法如下: DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=Non…

    Pandas函数大全 2023年3月22日
    00
合作推广
合作推广
分享本页
返回顶部