pandas字符串函数详解（转）——原文连接见文章末尾
在使用pandas框架的DataFrame的过程中，如果需要处理一些字符串的特性，例如判断某列是否包含一些关键字，某列的字符长度是否小于3等等这种需求，如果掌握str列内置的方法，处理起来会方便很多。
下面我们来详细了解一下，Series类的str自带的方法有哪些。
1、cat() 拼接字符串
例子：
>>> Series(['a', 'b', 'c']).str.cat(['A', 'B', 'C'], sep=',')
0 a,A
1 b,B
2 c,C
dtype: object
>>> Series(['a', 'b', 'c']).str.cat(sep=',')
'a,b,c'
>>> Series(['a', 'b']).str.cat([['x', 'y'], ['1', '2']], sep=',')
0 a,x,1
1 b,y,2
dtype: object
2、split() 切分字符串
>>> import numpy,pandas;
>>> s = pandas.Series(['a_b_c', 'c_d_e', numpy.nan, 'f_g_h'])
>>> s.str.split('_')
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
>>> s.str.split('_', -1)
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
>>> s.str.split('_', 0)
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
>>> s.str.split('_', 1)
0 [a, b_c]
1 [c, d_e]
2 NaN
3 [f, g_h]
dtype: object
>>> s.str.split('_', 2)
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
>>> s.str.split('_', 3)
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
3、get() 获取指定位置的字符串
>>> s.str.get(0)
0 a
1 c
2 NaN
3 f
dtype: object
>>> s.str.get(1)
0 _
1 _
2 NaN
3 _
dtype: object
>>> s.str.get(2)
0 b
1 d
2 NaN
3 g
dtype: object
4、join() 对每个字符都用给点的字符串拼接起来，不常用
>>> s.str.join("!")
0 a!_!b!_!c
1 c!_!d!_!e
2 NaN
3 f!_!g!_!h
dtype: object
>>> s.str.join("?")
0 a?_?b?_?c
1 c?_?d?_?e
2 NaN
3 f?_?g?_?h
dtype: object
>>> s.str.join(".")
0 a._.b._.c
1 c._.d._.e
2 NaN
3 f._.g._.h
dtype: object
5、contains() 是否包含表达式
>>> s.str.contains('d')
0 False
1 True
2 NaN
3 False
dtype: object
6、replace() 替换
>>> s.str.replace("_", ".")
0 a.b.c
1 c.d.e
2 NaN
3 f.g.h
dtype: object
7、repeat() 重复
>>> s.str.repeat(3)
0 a_b_ca_b_ca_b_c
1 c_d_ec_d_ec_d_e
2 NaN
3 f_g_hf_g_hf_g_h
dtype: object
8、pad() 左右补齐
>>> s.str.pad(10, fillchar="?")
0 ?????a_b_c
1 ?????c_d_e
2 NaN
3 ?????f_g_h
dtype: object
>>>
>>> s.str.pad(10, side="right", fillchar="?")
0 a_b_c?????
1 c_d_e?????
2 NaN
3 f_g_h?????
dtype: object
9、center() 中间补齐，看例子
>>> s.str.center(10, fillchar="?")
0 ??a_b_c???
1 ??c_d_e???
2 NaN
3 ??f_g_h???
dtype: object
10、ljust() 右边补齐，看例子
>>> s.str.ljust(10, fillchar="?")
0 a_b_c?????
1 c_d_e?????
2 NaN
3 f_g_h?????
dtype: object
11、rjust() 左边补齐，看例子
>>> s.str.rjust(10, fillchar="?")
0 ?????a_b_c
1 ?????c_d_e
2 NaN
3 ?????f_g_h
dtype: object
12、zfill() 左边补0
>>> s.str.zfill(10)
0 00000a_b_c
1 00000c_d_e
2 NaN
3 00000f_g_h
dtype: object
13、wrap() 在指定的位置加回车符号
>>> s.str.wrap(3)
0 a_b
_c
1 c_d
_e
2 NaN
3 f_g
_h
dtype: object
14、slice() 按给点的开始结束位置切割字符串
>>> s.str.slice(1,3)
0 _b
1 _d
2 NaN
3 _g
dtype: object
15、slice_replace() 使用给定的字符串，替换指定的位置的字符
>>> s.str.slice_replace(1, 3, "?")
0 a?_c
1 c?_e
2 NaN
3 f?_h
dtype: object
>>> s.str.slice_replace(1, 3, "??")
0 a??_c
1 c??_e
2 NaN
3 f??_h
dtype: object
16、count() 计算给定单词出现的次数
>>> s.str.count("a")
0 1
1 0
2 NaN
3 0
dtype: float64
17、startswith() 判断是否以给定的字符串开头
>>> s.str.startswith("a");
0 True
1 False
2 NaN
3 False
dtype: object
18、endswith() 判断是否以给定的字符串结束
>>> s.str.endswith("e");
0 False
1 True
2 NaN
3 False
dtype: object
19、findall() 查找所有符合正则表达式的字符，以数组形式返回
>>> s.str.findall("[a-z]");
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
20、match() 检测是否全部匹配给点的字符串或者表达式
>>> s
0 a_b_c
1 c_d_e
2 NaN
3 f_g_h
dtype: object
>>> s.str.match("[d-z]");
0 False
1 False
2 NaN
3 True
dtype: object
21、extract() 抽取匹配的字符串出来，注意要加上括号，把你需要抽取的东西标注上
>>> s.str.extract("([d-z])");
0 NaN
1 d
2 NaN
3 f
dtype: object
22、len() 计算字符串的长度
>>> s.str.len()
0 5
1 5
2 NaN
3 5
dtype: float64
23、strip() 去除前后的空白字符
>>> idx = pandas.Series([' jack', 'jill ', ' jesse ', 'frank'])
>>> idx.str.strip()
0 jack
1 jill
2 jesse
3 frank
dtype: object
24、rstrip() 去除后面的空白字符
25、lstrip() 去除前面的空白字符
26、partition() 把字符串数组切割称为DataFrame，注意切割只是切割称为三部分，分隔符前，分隔符，分隔符后
27、rpartition() 从右切起
>>> s.str.partition('_')
0 1 2
0 a _ b_c
1 c _ d_e
2 NaN NaN NaN
3 f _ g_h
>>> s.str.rpartition('_')
0 1 2
0 a_b _ c
1 c_d _ e
2 NaN NaN NaN
3 f_g _ h
28、lower() 全部小写
29、upper() 全部大写
30、find() 从左边开始，查找给定字符串的所在位置
>>> s.str.find('d')
0 -1
1 2
2 NaN
3 -1
dtype: float64
31、rfind() 从右边开始，查找给定字符串的所在位置
32、index() 查找给定字符串的位置，注意，如果不存在这个字符串，那么会报错！
33、rindex() 从右边开始查找，给定字符串的位置
>>> s.str.index('_')
0 1
1 1
2 NaN
3 1
dtype: float64
34、capitalize() 首字符大写
>>> s.str.capitalize()
0 A_b_c
1 C_d_e
2 NaN
3 F_g_h
dtype: object
35、swapcase() 大小写互换
>>> s.str.swapcase()
0 A_B_C
1 C_D_E
2 NaN
3 F_G_H
dtype: object
36、normalize() 序列化数据，数据分析很少用到，咱们就不研究了
37、isalnum() 是否全部是数字和字母组成
>>> s.str.isalnum()
0 False
1 False
2 NaN
3 False
dtype: object
38、isalpha() 是否全部是字母
>>> s.str.isalpha()
0 False
1 False
2 NaN
3 False
dtype: object
39、isdigit() 是否全部都是数字
>>> s.str.isdigit()
0 False
1 False
2 NaN
3 False
dtype: object
40、isspace() 是否空格
>>> s.str.isspace()
0 False
1 False
2 NaN
3 False
dtype: object
41、islower() 是否全部小写
42、isupper() 是否全部大写
>>> s.str.islower()
0 True
1 True
2 NaN
3 True
dtype: object
>>> s.str.isupper()
0 False
1 False
2 NaN
3 False
dtype: object
43、istitle() 是否只有首字母为大写，其他字母为小写
>>> s.str.istitle()
0 False
1 False
2 NaN
3 False
dtype: object
44、isnumeric() 是否是数字
45、isdecimal() 是否全是数字
---------------------
作者：大数据分析实战
来源：CSDN
原文：https://blog.csdn.net/qq_28219759/article/details/52919233
版权声明：本文为博主原创文章，转载请附上博文链接！