Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Pandas es uno de esos paquetes y facilita mucho la importación y el análisis de datos.
El método Pandas str.isalpha()
se usa para verificar si todos los caracteres en cada string en serie son alfabéticos (az/AZ). Los espacios en blanco o cualquier otra aparición de carácter en la string devolverían false, pero si hay un valor numérico completo, devolverían NaN.
Sintaxis: Series.str.isalpha()
Tipo de devolución: serie booleana, los valores nulos también pueden incluirse según la serie de la persona que llama.
Para descargar el CSV utilizado en el código, haga clic aquí.
En los siguientes ejemplos, el marco de datos utilizado contiene datos de algunos jugadores de la NBA. La imagen del marco de datos antes de cualquier operación se adjunta a continuación.
Ejemplo #1:
En este ejemplo, el método isalpha() se aplica en la columna College. Antes de eso, las filas nulas se eliminan mediante el método .dropna() para evitar errores.
# importing pandas module import pandas as pd # making data frame data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") # removing null values to avoid errors data.dropna(inplace = True) # creating bool series data["bool_series"]= data["College"].str.isalpha() # display data
Salida:
como se muestra en la imagen de salida, bool_series puede coincidir con la columna College y se puede ver claramente que si la string contiene solo letras, se devuelve True.
Ejemplo #2:
En este ejemplo, el método isalpha() se aplica en la columna Nombre dos veces. Primero se crea una serie bool para la columna de nombre original, luego se eliminan los espacios en blanco usando el método str.replace() y luego se crea nuevamente una nueva serie bool_series.
# importing pandas module import pandas as pd # making data frame data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") # removing null values to avoid errors data.dropna(inplace = True) # creating bool series with original column data["bool_series1"]= data["Name"].str.isalpha() # removing white spaces data["Name"]= data["Name"].str.replace(" ", "") # creating bool series with new column data["bool_series2"]= data["Name"].str.isalpha() # display data.head(10)
Salida:
como se muestra en la imagen de salida, la serie Bool era falsa para todos los valores hasta que las strings tenían espacios en blanco. Después de eliminar los espacios en blanco, la serie bool solo es falsa donde la string tiene caracteres especiales.
Publicación traducida automáticamente
Artículo escrito por Kartikaybhutani y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA