pandas 终极版5: 字符串和缺失值处理

有些时候我们的数据是字符串形式的，pandas也能方便的处理。

一、字符串处理。

In [25]: s = pd.Series(list('ABCDEF'))

In [26]: s
Out[26]: 
0    A
1    B
2    C
3    D
4    E
5    F
dtype: object

（1）字符大小写转换：s.str.lower()和s.str.upper()

In [27]: s.str.lower()
Out[27]: 
0    a
1    b
2    c
3    d
4    e
5    f
dtype: object

In [28]: s.str.upper()
Out[28]: 
0    A
1    B
2    C
3    D
4    E
5    F
dtype: object

（2）获取字符串的长度：s.str.len()

In [30]: s.str.len()
Out[30]: 
0    1
1    1
2    1
3    1
4    1
5    1
dtype: int64

（ 3）切割字符串：

In [31]: s1 = pd.Series(['A_B_C','D E F',np.nan,'I_J K'])

In [32]: s1
Out[32]: 
0    A_B_C
1    D E F
2      NaN
3    I_J K
dtype: object

split()将字符串转换为list

In [42]: s1.str.split('_')
Out[42]: 
0    [A, B, C]
1      [D E F]
2          NaN
3     [I, J K]
dtype: object

str.get(i)取列表里第i个元素，.str[i]也是一样的结果，不存在用NaN表示。

In [43]: s1.str.split('_').str.get(1)
Out[43]: 
0      B
1    NaN
2    NaN
3    J K
dtype: object

（4）替换字符串replace：replace的第一个参数是正则表达式，第二个参数是要替换成的字符串。

          将空格替换下划线

In [53]: s1.str.replace(' ','_')
Out[53]: 
0    A_B_C
1    D_E_F
2      NaN
3    I_J_K
dtype: object

（4）字符串提取：extract，它的第一个参数是正则表达式，无法匹配的内容用NaN表示

   用extract提取数字