一、String 类型的性质
1、string与object的区别
string类型和object不同之处有三:
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,例如: 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,其余全部内容在当前版本下完全一致,但迎合Pandas的发展模式,我们仍然全部用string来操作字符串
2. string类型的转换
如果将一个其他类型的容器直接转换string类型可能会出错:如下图所示
pd.Series([1,'1.']).astype('string') #报错
pd.Series([1,2]).astype('string') #报错
pd.Series([True,False]).astype('string') #报错
正确的做法应该是先转换为 str 类型的,然后再转化为 string 类型。这样就不会报错。如下所示。
pd.Series([1,'1.']).astype('str').astype('string') #成功
pd.Series([1,2]).astype('str').astype('string') #成功
pd.Series([True,False]).astype('str').astype('string')#成功
二、拆分与拼接
1、str.split 方法
Series.str.split(self, pat=None, n=-1, expand=False)
- pat 分隔符或者正则表达式,默认为空格
- n 表示最多分割几次
- expand 表示分割后是否将列展开
2、str.cat 方法
Series.str.cat(self, others=None, sep=None, na_rep=None, join='left')
- sep 表示连接之后的数据的分隔符,默认为""
- na_rep 表示缺失值的替代字符,默认为None,也就是不替代
- join 表示连接方式,默认为左连接
三、替换
广义上的替换,就是指str.replace函数的应用,fillna是针对缺失值的替换。
1、str.replace 方法
Series.str.replace(self, pat, repl, n=-1, case=None, flags=0, regex=True)
- pat 要被替换的字符串或者以正则表达式的形式给出
- repl 要替换的字符串
- n 表示要替换的数量,默认全替换。
四、子串匹配与提取
1、str.extract 方法
Series.str.extract(self, pat, flags=0, expand=True)
- pat 表示要提取的模式,使用正则表达式获取
- expand 和前面说到的一样,要不要提取后是否要分开
五、常用字符串的方法
1、过滤型方法
- str.strip() 常用于过滤空格
- str.lower() 用于转换为小写字符
- str.upper() 用于转换为大写字符
- str.swapcase() 用于交换字符串中的大小写,小写的字符变成大写,大写的字符变成小写
- str.capitalize() 用于大写首字母,其他的字母变成小写
2、isnumeric 方法
检查字符串中的每一位是否都是数字