pandas入门(十四)

上一篇：pandas入门(十三)

正则表达式

正则表达式提供了一种灵活的在文本中搜索或匹配（通常比前者复杂）字符串模式的方式。正则表达式，常称作regex，是根据正则表达式语言编写的字符串。Python内置的re模块负责对字符串应用正则表达式。

re模块的函数可以分为三个大类：模式匹配、替换以及拆分。当然，它们之间是相 辅相成的。一个regex描述了需要在文本中定位的一个模式，它可以用于许多目 的。拆分一个字符串，分隔符为数量不定 的一组空白符（制表符、空格、换行符等）。描述一个或多个空白符的regex是 \s+。

=====================================
调用re.split(’\s+’,text)时，正则表达式会先被编译，然后再在text上调用其split方 法。可以用re.compile自己编译regex以得到一个可重用的regex对象

=====================================
得到匹配regex的所有模式，则可以使用findall方法

==
如果想避免正则表达式中不需要的转义（\），则可以使用原始字符串字 面量如r’C:\x’（也可以编写其等价式’C:\x’）。==

如果打算对许多字符串应用同一条正则表达式，强烈建议通过re.compile创建regex 对象。这样将可以节省大量的CPU时间。match和search跟findall功能类似。findall返回的是字符串中所有的匹配项，而 search则只返回第一个匹配项。match更加严格，它只匹配字符串的首部。有一段文本以及一条能够识别大部分电子邮件地址的正则表达式。

=====================================
对text使用findall将得到一组电子邮件地址

=====================================
search返回的是文本中第一个电子邮件地址（以特殊的匹配项对象形式返回）。对 于上面那个regex，匹配项对象只能告诉我们模式在原字符串中的起始和结束位置

=====================================
regex.match则将返回None，因为它只匹配出现在字符串开头的模式

=====================================
相关的，sub方法可以将匹配到的模式替换为指定字符串，并返回所得到的新字符串：

层次化索引

层次化索引（hierarchical indexing）是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。使你能以低维度形式处理高维度数据。创建一个Series，并用一个由列表或数组组成 的列表作为索引

=====================================
看到的结果是经过美化的带有MultiIndex索引的Series的格式。索引之间的“间隔”表 示“直接使用上面的标签”

=====================================
对于一个层次化索引的对象，可以使用所谓的部分索引，使用它选取数据子集的操作更简单：

=====================================
有时甚至还可以在“内层”中进行选取

=====================================
层次化索引在数据重塑和基于分组的操作（如透视表生成）中扮演着重要的角色。

=====================================
unstack的逆运算是stack

=====================================
对于一个DataFrame，每条轴都可以有分层索引

=====================================
各层都可以有名字（可以是字符串，也可以是别的Python对象）。如果指定了名 称，它们就会显示在控制台输出中

小心区分索引名state、color与行标签。

=====================================
可以单独创建MultiIndex然后复用。上面那个DataFrame中的（带有分级名称）列 可以这样创建

++++++++++++++++++++++++++++++++++++

下一篇：pandas入门(十五)