字串操作处理

在 Python 里如果遇到数据中的文字处理状况，通常会使用循环的方式慢慢处理，然而 NumPy 提供许多处理与操作数组里文字的方法，能够很简单的进行分割、合并、置换...等字串处理，也能够快速地进行内容判断并回传布尔值，这篇教学会介绍 NumPy 操作与处理字串的方法。

本篇使用的 Python 版本为 3.7.12，所有范例可使用 Google Colab 实作，不用安装任何软件 ( 参考：使用 Google Colab )

NumPy 字串操作方法

下方列出 NumPy 的字串操作方法 ( 完整函数可参考 NumPy 官方文件：String operations )：

建立字串数组

透过 NumPy 建立字串数组的方法，可以建立由字串所组成的新数组。

from numpy import char

a = char.array(['a','b','c. \n', 1])     # 換行符號和空白會被取代，數字轉換成文字
b = char.asarray(['a','b','c. \n',1])    # 換行符號和空白會被取代，數字轉換成文字
print(a)                                 # ['a' 'b' 'c.' '1']
print(b)                                 # ['a' 'b' 'c.' '1']
c1 = char.chararray((3,3))               # 產生一個 3x3 的文字陣列，內容放入 string
c2 = char.chararray((3,3), unicode=True) # 產生一個 3x3 的文字陣列，內容放入 unicode 字串
print(c1)                                # [[b'\xa0' b'\x10' ''] [b'\xe6' b'!' b'V'] ['' '' '']]
print(c2)                                # [['' '' ''] ['' '' ''] ['' '' '']]
d = char.chararray((3,3), unicode=True)  # 產生一個 3x3 的文字陣列，內容放入 unicode 字串
d[:] = 'a'                               # 將內容全換成字母 a
print(d)                                 # [['a' 'a' 'a'] ['a' 'a' 'a'] ['a' 'a' 'a']]

组合、重复字串

透过 NumPy 组合、重复字串的方法，可以组合不同的字串数组，或重复字串内容，成为新的数组。

from numpy import char

a = np.array(['a','b','c','d'])      # 1x4 一維陣列
b = np.array(['w','x','y','z'])      # 1x4 一維陣列
print(char.add(a,b))                 # ['aw' 'bx' 'cy' 'dz']
print(char.multiply(a,3))            # ['aaa' 'bbb' 'ccc' 'ddd']

c = np.array([['a','b'],['c','d']])  # 2x2 二維陣列
d = np.array([['w','x'],['y','z']])  # 2x2 二維陣列
print(char.add(c,d))                 # [['aw' 'bx'] ['cy' 'dz']]
print(char.multiply(c,3))            # [['aaa' 'bbb'] ['ccc' 'ddd']]

对齐、补齐字串

透过 NumPy 对齐、补齐字串的方法，可以对齐字串内容，或使用特定字元补齐内容，成为新的数组。

from numpy import char

a = np.array(['a','bb','ccc','dddd'])
print(char.center(a, 10, '+'))    # 置中對齊，空白補 +
                                  # ['++++a+++++' '++++bb++++' '+++ccc++++' '+++dddd+++']
print(char.ljust(a, 10, '+'))     # 置左對齊，空白補 +
                                  # ['a+++++++++' 'bb++++++++' 'ccc+++++++' 'dddd++++++']
print(char.rjust(a, 10, '+'))     # 置右對齊，空白補 +
                                  # ['+++++++++a' '++++++++bb' '+++++++ccc' '++++++dddd']
print(char.zfill(a, 10))          # 置右對齊，空白補 0
                                  # ['000000000a' '00000000bb' '0000000ccc' '000000dddd']

移除、分割字串

透过 NumPy 移除、分割字串的方法，可以移除字串内特定文字，或根据特定字元分割字串，成为新的数组。

from numpy import char

a = np.array(['aaa','aa\nbb','bb\naa','abab'])
print(char.lstrip(a,'a'))     # 移除左側所有 a ( 遇到不是 a 就停止 )
                              # ['' '\nbb' 'bb\naa' 'bab']
print(char.rstrip(a,'a'))     # 移除右側所有 a ( 遇到不是 a 就停止 )
                              # ['' 'aa\nbb' 'bb\n' 'abab']
print(char.strip(a,'a'))      # 移除左右所有 a ( 遇到不是 a 就停止 )
                              # ['' '\nbb' 'bb\n' 'bab']
print(char.partition(a,'a'))  # 以 b 的左側分割元素 ( 分割後會包含 b )
                              # [['' 'a' 'aa'] ['' 'a' 'a\nbb'] ['bb\n' 'a' 'a'] ['' 'a' 'bab']]
print(char.rpartition(a,'a')) # 以 b 的右側分割元素 ( 分割後會包含 b )
                              # [['aa' 'a' ''] ['a' 'a' '\nbb'] ['bb\na' 'a' ''] ['ab' 'a' 'b']]
print(char.split(a,'a'))      # 以 b 的左側分割元素 ( 分割後會不包含 b )
                              # [list(['', '', '', '']) list(['', '', '\nbb']) list(['bb\n', '', '']) list(['', 'b', 'b'])]
print(char.rsplit(a,'a'))     # 以 b 的右側分割元素 ( 分割後會不包含 b )
                              # [list(['', '', '', '']) list(['', '', '\nbb']) list(['bb\n', '', '']) list(['', 'b', 'b'])]
print(char.splitlines(a))     # 根據換行符號分割元素
                              # [list(['aaa']) list(['aa', 'bb']) list(['bb', 'aa']) list(['abab'])]

替换、转换字串

透过 NumPy 替换、转换字串的方法，可以替换字串内的特定文字，或进行大小写的转换，成为新的数组。

from numpy import char

a = np.array(['abc','ABC','abc xyz'])
print(char.capitalize(a))           # 一段文字的字首字母轉大寫
                                    # ['Abc' 'Abc' 'Abc xyz']
print(char.lower(a))                # 字母全部轉小寫
                                    # ['abc' 'abc' 'abc xyz']
print(char.upper(a))                # 字母全部轉大寫
                                    # ['ABC' 'ABC' 'ABC XYZ']
print(char.swapcase(a))             # 字母大小寫互換
                                    # ['ABC' 'abc' 'ABC XYZ']
print(char.title(a))                # 所有單字字首轉大寫
                                    # ['Abc' 'Abc' 'Abc Xyz']
print(char.join('-',a))             # 所有字母之間加上 -
                                    # ['a-b-c' 'A-B-C' 'a-b-c- -x-y-z']
print(char.join(['-',':','+'],a))   # 在不同項目裡，所有字母間加上對應的符號
                                    # ['a-b-c' 'A:B:C' 'a+b+c+ +x+y+z']
print(char.replace(a,'abc','mno'))  # 置換 abc 為 mno
                                    # ['mno' 'ABC' 'mno xyz']
c = char.encode(a)                  # 換成 unicode
print(c)                            # [b'abc' b'ABC' b'abc xyz']
print(char.decode(c))               # 換成 utf8
                                    # ['abc' 'ABC' 'abc xyz']

寻找字串、计算字串长度

透过 NumPy 寻找字串、计算字串长度的方法，可以寻找字串内的特定文字，或计算字串长度，成为新的数组。

from numpy import char

a = np.array(['abab','aabb','bbaa','xyz'])
print(char.find(a,'a'))       # 從左邊開始找到字母 a 的位置
                              # [ 0  0  2 -1]
print(char.rfind(a,'a'))      # 從右邊開始找到字母 a 的位置
                              # [ 2  1  3 -1]
print(char.count(a,'a',0,2))  # 計算出現幾次字母 a
                              # [1 2 0 0]
print(char.count(a,'a',1,3))  # [1 1 1 0]
print(char.str_len(a))        # [4 4 4 3]

判断字串

透过 NumPy 判断字串的方法，可以判断字串的内容、大小写、开头或结尾，并回传布尔值所组成的新数组。

from numpy import char


a = np.array(['abc','ABC','Abc Cba','abc123','123',''])
b = np.array(['abc','123','xyz','abc123','123',''])
print(char.isalpha(a))         # 只有字母 True，有包含數字或其他符號 False
                               # [ True  True False False False False]
print(char.isalnum(a))         # 只有字母和數字 True，有包含其它符號 False
                               # [ True  True False  True  True False]
print(char.isdecimal(a))       # 只有十進位數字 True，有包含其它符號或字母 False
                               # [False False False False  True False]
print(char.isdigit(a))         # 只有純數字 True，有包含其它符號或字母 False
                               # [False False False False  True False]
print(char.isnumeric(a))       # 只有純數字 True，有包含其它符號或字母 False
                               # [False False False False  True False]
print(char.isspace(a))         # 只有空白符號 True，有包含字母、數字或其它符號 False
                               # [False False False False False False]
print(char.islower(a))         # 至少有一個字母且都小寫 True，有包含大寫 False
                               # [ True False False  True False False]
print(char.isupper(a))         # 至少有一個字母且都大寫 True，有包含小寫 False
                               # [False  True False False False False]
print(char.istitle(a))         # 字串是 title ( 每個單字的字首都大寫 ) True，否則 False
                               # [False False  True False False False]
print(char.startswith(a,'a'))  # a 開頭的字串 True，否則 False
                               # [ True False False  True False False]
print(char.endswith(a,'a'))    # a 結尾的字串 True，否則 False
                               # [False False  True False False False]
print(char.equal(a,b))         # a 陣列和 b 陣列元素相等 True，否則 False
                               # [ True False False  True  True  True]
print(char.not_equal(a,b))     # a 陣列和 b 陣列元素不相等 True，否則 False
                               # [False  True  True False False False]
print(char.greater_equal(a,b)) # a 陣列和 b 陣列元素 的 unicode 大於且相等 True，否則 False
                               # [ True  True False  True  True  True]
print(char.less_equal(a,b))    # a 陣列和 b 陣列元素 的 unicode 小於且相等 True，否則 False
                               # [ True False  True  True  True  True]
print(char.greater(a,b))       # a 陣列和 b 陣列元素 的 unicode 大於 True，否則 False
                               # [False  True False False False False]
print(char.less(a,b))          # a 陣列和 b 陣列元素 的 unicode 小於 True，否則 False
                               # [False False  True False False False]
print(char.compare_chararrays(a,b,'>=',True))  # a 陣列和 b 陣列元素 的 unicode 大於等於 True，否則 False
                               # [ True  True False  True  True  True]

意见反馈