文本数据处理注意事项

一、String类型
1、string类型与object有所不同
（1）字符存取方法不同，返回的数据类型不同
（2）有些Series的方法在string上不能使用，因为存储的不是字符串而是字节；
（3）string类型存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

2、string类型的转换
如果将一个其他类型的容器直接转换成string类型可能会出错，需要先转换为str型object，再转为string类型；

pd.Series([1,2]).astype('str').astype('string')

二、拆分与拼接
1、str.split方法
str方法可以进行元素的选择，如果该单元格元素是列表，str[i]表示取出第i个元素（从0开始）；
expand参数控制了是否将列拆开，n参数代表最多分割多少次；

s = pd.Series(['a_b_c', 'c_d_e', np.nan, 'f_g_h'], dtype="string")

s.str.split('_').str[1]

s.str.split('_',expand=True,n=1)

2、str.cat方法
cat方法对于不同对象的作用结果并不相同，其中的对象包括：单列、双列、多列
① 对于单个Series而言，就是指所有的元素进行字符合并为一个字符串；（sep分隔符参数，和缺失值替代字符na_rep参数）

s = pd.Series(['ab',None,'d'],dtype='string')

s