我正在参加「掘金·启航计划」
前言
此文章紧接上篇文章内容# Pandas数据分析：处理文本数据(str/object)各类操作+代码一文详解(一):
Pandas数据分析系列专栏已经更新了很久了，基本覆盖到使用pandas处理日常业务以及常规的数据分析方方面面的问题。从基础的数据结构逐步入门到处理各类数据以及专业的pandas常用函数讲解都花费了大量时间和心思创作，如果大家有需要从事数据分析或者大数据开发的朋友推荐订阅专栏，将在第一时间学习到Pandas数据分析最实用常用的知识。此篇博客篇幅较长，涉及到处理文本数据(str/object)等各类操作，值得细读实践一番，我会将Pandas的精华部分挑出细讲实践。博主会长期维护博文，有错误或者疑惑可以在评论区指出，感谢大家的支持。
一、拆分和替换字符串
拆分split()
拆分字符串我们一般回用到split这个函数，使用起来非常方便：
s2 = pd.Series(["a_b_c", "c_d_e", np.nan, "f_g_h"], dtype="string")
s2.str.split("_")
拆分后获取get()
拆分后数据将还是数组类型，因此使用get或者索引方法获取就好了。需要注意的是大体上还是series类型：
s2.str.split("_").str.get(0)
s2.str.split("_").str[0]
多维转换
而且我们可以扩展拆分之后的数据，形成多维数据：
s2.str.split("_", expand=True)
当原始序列具有StringDtype时，输出列也将是StringDtype类型。
也可以限制拆分的数量：
s2.str.rsplit("_", expand=True, n=1)
当原始序列具有StringDtype时，输出列也将是StringDtype类型。
也可以限制拆分的数量：
s2.str.rsplit("_", expand=True, n=1)
替换replace()
替换的话可以使用正则也可以使用replace，复杂的话还是正则更好，常规使用replace就好了。
我们先创建测试用例：
s3 = pd.Series(
["A", "B", "C", "Aaba", "Baca", "", np.nan, "CABA", "dog", "cat"],
dtype="string",
)
s3
之后使用replace中正则替换就好：
s3.str.replace("^.a|dog", "XX-XX ", case=False, regex=True)
如果希望字符串的文字替换(相当于str.replace())，可以将可选的正则表达式参数设置为False，而不是转义每个字符。在这种情况下，pat和repl都必须是字符串：
dark_souls = pd.Series(["Yorm", "&attack", "&100"], dtype="string")
dark_souls
dark_souls.str.replace(r'\&','-',regex=True)
dark_souls.str.replace('&','-',regex=False)
replace方法还可以将可调用的自定义方法作为替换。使用re.sub()在每个pat上调用它。可调用函数可获一个位置参数（正则表达式对象）并返回一个字符串。
这里我们可以实现一个字符串颠倒转换：
pat = r"[a-z]+"
def repl(m):
return m.group(0)[::-1]
pd.Series(["foo 123", "bar baz", np.nan], dtype="string").str.replace(
pat, repl, regex=True
)
若是对正则匹配不是很了解的可以去阅读一下博主另一篇文章：
replace方法还接受来自re的已编译正则表达式对象,编译re.compile()作为模式。所有标志都应包含在编译的正则表达式对象中。
import re
regex_pat = re.compile(r"^.a|dog", flags=re.IGNORECASE)
s3.str.replace(regex_pat, "XX-XX ", regex=True)
使用编译的正则表达式对象调用替换时包含标志参数将引发ValueError。
s3.str.replace(regex_pat, 'XX-XX ', flags=re.IGNORECASE)
removeprefix和removesuffix与str.removeprefix和str.removesuffix具有相同的效果，都可以将匹配出的字符串删除。
s = pd.Series(["str_foo", "str_bar", "no_prefix"])
s.str.removesuffix("_str")
这个方法只在3.9以上版本才有。
二、连接操作
基于cat()，resp。Index.str.cat的方法可以将序列或索引与自身或其他序列或索引连接起来。
串联Series
Series（或index）的值可以串联：
s = pd.Series(["a", "b", "c", "d"], dtype="string")
s.str.cat(sep=",")
如果未指定，分隔符的关键字sep默认为空字符串，sep=“”：
s.str.cat()
默认情况下，忽略缺少的值。使用na_rep可以替换空值：
t = pd.Series(["a", "b", np.nan, "d"], dtype="string")
t.str.cat(sep=",")
t.str.cat(sep=",", na_rep="-")
串联list与Series
cat（）的第一个参数可以是一个类似列表的对象，只要它匹配调用序列（或索引）的长度。
s.str.cat(["A", "B", "C", "D"])
任何一侧的缺失值也会导致结果中的缺失值，除非指定了na_rep：
s.str.cat(t)
s.str.cat(t, na_rep="-")
串联array和Series
其他参数也可以是二维的。在这种情况下，行数必须与调用序列（或索引）的长度匹配。
我们先可以concat连接一下两个series，不了解concat的推荐去看博主另一篇博文：
DataFrame多表合并拼接函数concat、merge参数详解+代码操作展示_fanstuck的博客-CSDN博客_dataframe merge函数
d = pd.concat([t, s], axis=1)
合并操作可以将DataFrame的列数据全都合并拼接。
s.str.cat(d, na_rep="-")
索引自动拼接
对于串联series或dataframe，可以通过设置join关键字在串联之前对齐索引。
u = pd.Series(["b", "d", "a", "c"], index=[1, 3, 0, 2], dtype="string")
s.str.cat(u)
s.str.cat(u, join="left")
如果没有传递join关键字，方法cat（）当前将返回到版本0.23.0之前的行为（即没有对齐），但如果任何涉及的索引不同，则将发出警告，因为在将来的版本中，此默认值将更改为join='left'。
join参数的常用选项是('left','outer','inner','right')。
v = pd.Series(["z", "a", "b", "d", "e"], index=[-1, 0, 1, 3, 4], dtype="string")
v
我们与s进行合并测试：S：
s.str.cat(v, join="right", na_rep="-")
s.str.cat(v, join="outer", na_rep="-")
同样可适用于DataFrame：
f = d.loc[[3, 2, 1, 0], :]
f
与s进行合并拼接：
s.str.cat(f, join="left", na_rep="-")
多对象串联拼接
几个类似数组的项（特别是：系列、索引和np.ndarray的一维变体）可以组合在类似列表的容器中（包括迭代器、dict视图等）。
s.str.cat([u, u.to_numpy()], join="left")
传递的列表中没有索引（例如np.ndarray）的所有元素都必须在长度上与调用序列（或索引）匹配，但序列和索引可以具有任意长度（只要不使用join=None禁用对齐）：
s.str.cat([v, u, u.to_numpy()], join="outer", na_rep="-")
如果在包含不同索引的列表中使用join='right'，则这些索引的并集将用作最终连接的基础：
s.str.cat([u.loc[[3]], v.loc[[-1, 0]]], join="right", na_rep="-")
.str[]索引
可以使用[]符号直接按位置位置索引。如果索引超过字符串的结尾，结果将是NaN。
s = pd.Series(
["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"], dtype="string"
)
s.str[0]
s.str[1]
点关注，防走丢，如有纰漏之处，请留言指教，非常感谢
以上就是本期全部内容。我是fanstuck ，有问题大家随时留言讨论 ，我们下期见。
