Pandas-文本数据

文本数据

string类型的性质

string与object的区别

① 字符存取方法（string accessor methods，如str.count）会返回相应数据的Nullable类型，而object会随着缺失值的存在而改变返回类型；
② 某些Series⽅法不能在string上使⽤，如 Series.str.decode()，因为存储的是字符串而不是字节；
③ string类型在缺失值存储或运算时，类型会广播为pd.NA，而不是浮点型np.nan；

拆分与拼接

str.split方法

expand参数控制了是否将列拆开，n参数代表最多分割多少次。

str.cat方法

1、对于单列合并，就是将所有元素进行字符合并为一个字符串；
2、对于双列合并，是对应索引的元素进行合并；
3、多列分割可分为多表拼接和多Series拼接。

替换

str.replace()函数的运用。（替换中涉及到正则表达式，我掌握的不好。）

子串匹配与提取

1、str.extract方法
2、str.extractall方法
3、str.contains和str.match方法

常用字符串方法

过滤型方法

1、str.strip：常⽤于过滤空格。
2、str.lower：将大写字符串转换为小写字符串；str.upper：将小写字符串转换为大写字符串。
3、str.swapcase和str.capitalize，分别表示交换字母大小写和大写首字母。

isnumeric方法

检查每一位是否为数字。