Bỏ qua đến nội dung chính
Mục lục

Bảng tra phương thức .str của pandas (pandas str methods)

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 15/17 · Chương 6

Làm sạch dữ liệu

  • 6 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Các phương thức .str của pandas (pandas str methods) là những hàm chuỗi chạy trên từng ô của một cột chữ: strip() cắt khoảng trắng, zfill() đệm số 0 bên trái, slice() cắt một đoạn, count() đếm số lần một mẫu xuất hiện. Bảng dưới đặt mỗi phương thức cạnh một ô mẫu và kết quả, rồi đi kỹ vào zfill(), pad(), slice(), count(), title(): các phương thức chưa có bài riêng.

Cần biết trước: str.extract().

Bảng tra nhanh: phương thức .str

Phương thức là hàm gắn với một đối tượng, gọi bằng dấu chấm. Mỗi hàng dưới đây gọi trên một Series s một ô; cột "Ô của s" là giá trị của ô đó, cột "Kết quả" là ô kết quả của s.str.<phương thức>.

Phương thức

Làm gì

Trả về

Ô của s

Kết quả

strip()

cắt khoảng trắng hai đầu

Series chữ

" Huế "

'Huế'

upper()

đổi chữ hoa; lower() đổi chữ thường

Series chữ

"Huế"

'HUẾ'

title()

viết hoa chữ đầu mỗi từ

Series chữ

"cà phê sữa"

'Cà Phê Sữa'

replace(" ", "")

thay chuỗi con a bằng b

Series chữ

"0912 345"

'0912345'

contains("xỉu")

ô có chứa mẫu không

Series bool

"Bạc xỉu"

True

len()

số ký tự

Series số

"Huế"

3

split("-")

cắt theo dấu ngăn

Series list

"a-b"

['a', 'b']

extract(r"(\d+)")

lấy nhóm bắt của regex

DataFrame

"65 m2"

'65'

normalize("NFC")

đưa chữ về dạng dựng sẵn

Series chữ

"Huế" dạng NFD

'Huế'

zfill(4)

đệm số 0 bên trái cho đủ n ký tự

Series chữ

"42"

'0042'

center(6, "-")

đệm đều hai bên; pad() đệm một bên

Series chữ

"42"

'--42--'

slice(0, 4)

lấy ký tự từ vị trí a tới trước b

Series chữ

"2025-06-14"

'2025'

count(",")

đếm số lần khớp mẫu regex

Series số

"a,b,c"

2

Khối dưới chạy từng hàng và in cột "Kết quả", mỗi dòng vài hàng:

python
import unicodedata
import pandas as pd
def o(chu):
    return pd.Series([chu])
nfd = unicodedata.normalize("NFD", "Huế")
print(o(" Huế ").str.strip()[0], o("Huế").str.upper()[0],
      o("cà phê sữa").str.title()[0])
print(o("0912 345").str.replace(" ", "")[0],
      o("Bạc xỉu").str.contains("xỉu")[0], o("Huế").str.len()[0])
so = o("65 m2").str.extract(r"(\d+)")[0][0]
print(o("a-b").str.split("-")[0], so,
      o(nfd).str.normalize("NFC")[0] == "Huế")
nam = o("2025-06-14").str.slice(0, 4)[0]
print(o("42").str.zfill(4)[0], o("42").str.center(6, "-")[0],
      nam, o("a,b,c").str.count(",")[0])

KẾT QUẢ

Huế HUẾ Cà Phê Sữa
0912345 True 3
['a', 'b'] 65 True
0042 --42-- 2025 2

Đổi zfill(4) thành zfill(6) rồi chạy lại: dòng cuối mở đầu bằng 000042. Ví dụ từng bước cho strip(), lower(), replace(), len() nằm ở bài accessor .str; contains() ở bài str.contains(); split() ở bài tách cột; normalize() ở bài chuẩn hóa tiếng Việt; extract() ở bài mẹ của trang này.

Đệm chuỗi: zfill(), pad(), center()

Mã sản phẩm 0040 trong file CSV đọc vào thành số 40, vì pandas bỏ số 0 đầu. Muốn mã về lại đủ bốn ký tự, đổi cột sang chữ rồi zfill(4). pad() đệm bằng ký tự bạn chọn, mặc định bên trái, side="right" để đệm bên phải; center() đệm đều hai bên:

python
import pandas as pd

ma_sp = pd.Series([40, 48, 37])
ma = ma_sp.astype("str").str.zfill(4)
print(ma.to_list())
gia = pd.Series(["29000", "135000"])
print(gia.str.pad(8, side="right", fillchar=".").to_list())

KẾT QUẢ

['0040', '0048', '0037']
['29000...', '135000..']

zfill() hiểu dấu: zfill(3) đưa "-5" thành "-05", số 0 chèn sau dấu. Chuỗi đã dài hơn n thì giữ nguyên, không bị cắt.

Cắt và đếm: slice(), count()

slice(a, b) lấy ký tự từ vị trí a tới trước vị trí b, như lát cắt của chuỗi Python; s.str[a:b] viết ngắn hơn và cho cùng kết quả. count(m) đếm số lần mẫu m xuất hiện trong từng ô, hợp để đếm số phần của một mã hay số món trong một ô liệt kê:

python
import pandas as pd

ngay = pd.Series(["2025-06-14", "2026-01-02"])
print(ngay.str.slice(0, 4).to_list(), ngay.str[5:7].to_list())
mon = pd.Series(["bạc xỉu, trà đào", "cà phê", None])
print((mon.str.count(",") + 1).to_list())

KẾT QUẢ

['2025', '2026'] ['06', '01']
[2.0, 1.0, nan]

Ô trống cho NaN ở cả hai phương thức. Lấy năm từ ngày bằng slice() chỉ đúng khi mọi ô cùng một định dạng; ngày thật nên đi qua pd.to_datetime().

Viết hoa: title(), capitalize()

title() viết hoa chữ đầu mỗi từ, hợp với tên người và tên món: "cà phê sữa" thành "Cà Phê Sữa". capitalize() chỉ viết hoa chữ đầu của cả ô, hợp với câu: "Cà phê sữa". Cả hai đổi phần còn lại về chữ thường, nên "TP. HCM" qua title() thành "Tp. Hcm". Với tên viết tắt, dùng bảng biến thể như bài chuẩn hóa tiếng Việt, không dùng title().

Kiểm tra nhanh

  1. Sau import pandas as pd, print(pd.Series(["7"]).str.zfill(3)[0]) in ra gì?

    • 007
    • 700
    • 7
  2. Sau import pandas as pd, print(pd.Series(["2025-06-14"]).str.slice(5, 7)[0]) in ra gì?

    • 2025
    • 06
    • 14
  3. Sau import pandas as pd, print(pd.Series(["1.5"]).str.count(".")[0]) in ra gì?

    • 1
    • 3
    • 0
Đúng hết lần đầu +15 XP

Bài tập

Đệm mã đơn và đếm số phần

Mã đơn của một quán có dạng số gõ tay như "412", hoặc nhiều phần nối bằng dấu gạch như "7-2025". Viết thân hàm chuan_ma_don(ma, do_dai) trả về một dict có hai khóa:

  • "ma_du": mỗi mã đệm số 0 bên trái cho đủ do_dai ký tự; mã đã đủ hay dài hơn thì giữ nguyên.

  • "so_phan": số phần của mỗi mã, tức số dấu gạch - cộng một.

Hai giá trị là Series cùng index và tên với ma. Mỗi kết quả dùng một phương thức của bảng tra; bạn tự chọn. Hàm không sửa Series của nơi gọi.

Trả về: hai Series, một dict.

python
import pandas as pd

def chuan_ma_don(ma, do_dai):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Mọi phương thức chuỗi của cột đi sau .str và trả Series mới cùng index; ô trống cho NaN.

  • zfill(n) đệm số 0 bên trái; pad(n, side=, fillchar=) và center(n) đệm bằng ký tự tùy chọn.

  • slice(a, b) hay s.str[a:b] cắt một đoạn ký tự theo vị trí.

  • count(m) hiểu m là regex: đếm dấu chấm thật thì viết r"\.".

  • title() viết hoa chữ đầu mỗi từ và hạ phần còn lại, nên làm hỏng tên viết tắt.

  • Cột số phải đổi sang chữ bằng astype("str") trước khi gọi .str.

Câu hỏi thường gặp

Ghép mọi ô của một cột chữ thành một chuỗi thế nào?

Dùng .str.cat(sep=", "): pd.Series(["a", "b"]).str.cat(sep=", ") cho "a, b". Truyền thêm một Series vào others= thì ghép từng cặp ô; dòng có ô trống thành NaN, trừ khi ghi na_rep="" để thay ô trống bằng chuỗi rỗng.

Phương thức .str nào kiểm chuỗi chỉ gồm chữ số?

.str.isdigit() cho True khi mọi ký tự là chữ số. Muốn kiểm cả độ dài thì dùng .str.fullmatch(r"\d{10}"), như bài regex trong pandas kiểm số điện thoại.

Vì sao .str chậm hơn phép tính số?

Mỗi phương thức .str vẫn chạy một hàm Python trên từng ô, còn phép cộng cột số chạy cả mảng một lần. Với bảng vài nghìn dòng như trong tutorial, sự chênh lệch không đáng kể.

Chủ đề

pandas str methods

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập