Teks yang diketik orang sering berantakan: spasi berlebih, huruf kapital sembarangan, nomor telepon dalam empat format. pandas membersihkan seluruh kolom sekaligus melalui accessor .str, yang memberi kolom metode-metode yang dimiliki string Python.
raw["name"].str.strip().str.title()
str.strip() menghapus spasi di kedua ujung.
str.lower(), str.upper(), dan str.title() memperbaiki huruf besar dan kecil.
str.contains("gold", case=False) mengembalikan mask untuk memfilter; case=False mengabaikan perbedaan huruf besar dan kecil.
str.replace(old, new) mengganti teks. Dengan regex=True, polanya adalah ekspresi reguler, sehingga r"\D" berarti "karakter apa pun yang bukan digit".
str.split(" ", n=1, expand=True) memisahkan setiap nilai menjadi kolom-kolom terpisah.
Setiap langkah mengembalikan kolom baru, jadi Anda merangkainya, dan Anda menetapkan hasilnya kembali untuk menyimpannya: raw["email"] = raw["email"].str.strip().str.lower().
Data di sini adalah customers_raw.csv, daftar pelanggan seperti yang diketik oleh staf, dimuat sebagai raw.
Setelah dibersihkan, "gold", "GOLD ", dan "Gold" dihitung sebagai satu paket yang sama.