重庆分公司,新征程启航
为企业提供网站建设、域名注册、服务器等服务
1、如下图,要提取#后面的字符,也即红色的“SDK”到B列。
创新互联-专业网站定制、快速模板网站建设、高性价比柳南网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式柳南网站制作公司更省心,省钱,快速模板网站建设找我们,业务覆盖柳南地区。费用合理售后完善,十年实体公司更值得信赖。
2、首先,在B2中输入公式:
=FIND("#",A2)
返回#在字符串中的位置,#在A2单元格文本中是第6个字符。
3、知识点说明:
FIND()函数查找第一参数在第二参数中的位置。如下图,查找“B”在“ABCD”中是第几个字符。第一参数是要查找的字符“B”,第二参数是被查找的字符串。最终返回“B”在“ABCD”中是第2个字符。
4、然后,在B2中输入公式:
=MID(A2,FIND("#",A2)+1,99)
这样,就提取出了#后的字符。
5、知识点说明:
MID()函数返回从字符串中制定字符开始若干个字符的字符串。如下图,MID()函数返回“ABCDE”字符串中从第2个字符开始的连续3个字符,也就是返回“BCD”。
6、综上,=MID(A2,FIND("#",A2)+1,99)的意思就是从A2单元格#字符后面的一个字符起,取长度为99的字符串。其中的99是一个较大的数字,能涵盖#后字符的最大长度即可。
1、打开pycharm编辑器。
2、在文件中写上这个程序的注释。
3、新建一个变量test8。test8="my name is luo"。
4、利用replace函数将字符串中的my换成you,test8.replace('my','you')。
5、将结果打印出来。
6、在窗口中选择"run"-"run"。
7、运行这个程序,这时候语句就变成了you name is luo。
使用正则表达式,用法如下:
## 总结
## ^ 匹配字符串的开始。
## $ 匹配字符串的结尾。
## \b 匹配一个单词的边界。
## \d 匹配任意数字。
## \D 匹配任意非数字字符。
## x? 匹配一个可选的 x 字符 (换言之,它匹配 1 次或者 0 次 x 字符)。
## x* 匹配0次或者多次 x 字符。
## x+ 匹配1次或者多次 x 字符。
## x{n,m} 匹配 x 字符,至少 n 次,至多 m 次。
## (a|b|c) 要么匹配 a,要么匹配 b,要么匹配 c。## (x) 一般情况下表示一个记忆组 (remembered group)。可以利用 re.search 函数返回对象的 groups() 函数获取它的值。
## 正则表达式中的点号通常意味着 “匹配任意单字符”
扩展资料
正则表达式描述了一种字符串匹配的模式,可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。
构造正则表达式的方法和创建数学表达式的方法一样。也就是用多种元字符与运算符可以将小的表达式结合在一起来创建更大的表达式。正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。
正则表达式是由普通字符(例如字符 a 到 z)以及特殊字符(称为"元字符")组成的文字模式。模式描述在搜索文本时要匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
参考资料来源:
百度百科——正则表达式
以取出最大值和最小值为例:
1、如需求列表中的最大值,用python自带的函数max() 即可。代码示例如下:
numbers = [1,2,3,4,5,6,7,8,9]
max(numbers)
2、求最大值也可通过定义函数,再调用函数求得。示例代码如下:
def findmax(L):
if L == []:
return(None)
else:
Max = L[0]
for i in L:
if i Max:
Max = i
return(Max)
numbers = [6,2,9,4,5,1,7,8,3]
findmax(numbers)
3、如需求列表中的最小值,用python自带的函数min() 即可。代码示例如下:
numbers = [1,2,3,4,5,6,7,8,9]
min(numbers)
4、求最小值也可通过定义函数,再调用函数求得。示例代码如下:
def findmin(L):
if L == []:
return(None)
else:
Min = L[0]
for i in L:
if i Min:
Min = i
return(Min)
numbers = [6,2,9,4,5,1,7,8,3]
findmin(numbers)
loc中的数据是列名,是字符串,所以前后都要取;iloc中数据是int整型,所以是Python默认的前闭后开
构建数据集df
loc函数主要通过行标签索引行数据 ,划重点, 标签!标签!标签!
loc[1] 选择行标签是1的(从0、1、2、3这几个行标签中)
loc[0:1] 和 loc[0,1]的区别,其实最重要的是loc[0:1]和iloc[0:1]
索引某一列数据,loc[:,0:1],还是标签,注意,如果列标签是个字符,比如'a',loc['a']是不行的,必须为loc[:,'a']。
但如果行标签是'a',选取这一行,用loc['a']是可以的。
iloc 主要是通过行号获取行数据,划重点,序号!序号!序号!
iloc[0:1],由于Python默认是前闭后开,所以,这个选择的只有第一行!
如果想用标签索引,如iloc['a'],就会报错,它只支持int型。
ix——结合前两种的混合索引,即可以是行序号,也可以是行标签。
如选择prize10(prize为一个标签)的,即 df.loc[df.prize10]
还有并或等操作
python选取特定列——pandas的iloc和loc以及icol使用
pandas入门——loc与iloc函数
pandas中loc、iloc、ix的区别
pandas基础之按行取数(DataFrame)