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\n_c 1 c_d\n_e 2 NaN 3 f_g\n_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
