【Python数据科学手册】Pandas——十一、向量化字符串操作str

十一、向量化字符串操作

1.Pandas字符串操作简介

Pandas 为包含字符串的 Series 和 Index 对象提供 str 属性，既可以高效满足向量化字符串操作的需求，又可以正确地处理缺失值。

2.Pandas字符串方法列表

1）与Pandas字符串方法相似

几乎所有 Python 内置的字符串方法都被复制到 Pandas 的向量化字符串方法中。
（ Python 内置的字符串方法参考https://blog.csdn.net/weixin_40844116/article/details/83790546)

len()	lower()	translate()	islower()
ljust()	upper()	startswith()	isupper()
rjust()	find()	endswith()	isnumeric()
center()	rfind()	isalnum()	isdecimal()
zfill()	index()	isalpha()	split()
strip()	rindex()	isdigit()	rsplit()
rstrip()	capitalize()	isspace()	partition()
lstrip()	swapcase()	istitle()	rpartition()

根据不同方法，返回序列的dtype也不同

2）使用正则表达式的方法

Pandas
向量化字符串方法根据 Python 标准库的 re 模块函数实现的 API。
（re模块参考https://blog.csdn.net/weixin_40844116/article/details/84646619）
能将正则表达式应用到 Series 与 DataFrame 之中的话，就有可能实现更多的数据分析与清洗方法。

方法	描述
match()	对每个元素调用 re.match()，返回布尔类型值
extract()	对每个元素调用 re.match()，返回匹配的字符串组（groups）
findall()	对每个元素调用 re.findall()
replace()	用正则模式替换字符串
contains()	对每个元素调用 re.search()，返回布尔类型值
count()	计算符合正则模式的字符串的数量
split()	等价于 str.split()，支持正则表达式
rsplit()	等价于 str.rsplit()，支持正则表达式

3）其他字符串方法

方法	描述
get()	获取元素索引位置上的值，索引从 0 开始
slice()	对元素进行切片取值
slice_replace()	对元素进行切片替换
cat()	连接字符串（此功能比较复杂，建议阅读文档）
repeat()	重复元素
normalize()	将字符串转换为 Unicode 规范形式
pad()	在字符串的左边、右边或两边增加空格
wrap()	将字符串按照指定的宽度换行
join()	用分隔符连接 Series 的每个元素
get_dummies()	按照分隔符提取每个元素的 dummy 变量，转换为独热（one-hot）编码的 DataFrame

• 向量化字符串的取值和切片操作get() slice()
  df.str.slice(0, 3) 等价于 df.str[0:3],
  df.str.get(i) 与 df.str[i]的按索引取值效果类似
  
  结合多种方法，连续操作
  
• 指标变量 get_dummies() 方法-
  指定分隔符的，分列
  
  未指定分隔符的，类似将标签编码转换成独热编码