pandas 字符串处理方法介绍

本文示例代码及文件已上传至Github仓库：https://github.com/CNFeffery/DataScienceStudyNotes

1 简介

在日常开展数据分析的过程中，我们经常需要对字符串类型数据进行处理，此类过程往往都比较繁琐，而pandas作为表格数据分析利器，其内置的基于Series.str访问器的诸多针对字符串进行处理的方法，以及一些top-level级的内置函数，则可以帮助我们大大提升字符串型数据处理的效率。

本文我就将带大家学习pandas中常用的一些高效字符串处理方法，提升日常数据处理分析效率😋：

2 pandas常用字符串处理方法

pandas中的常用字符串处理方法，可分为以下几类：

2.1 拼接合成类方法

这一类方法主要是基于原有的Series数据，按照一定的规则，利用拼接或映射等方法合成出新的Series，主要有：

2.1.1 利用join()方法按照指定连接符进行字符串连接

当原有的Series中每个元素均为列表，且列表中元素均为字符串时，就可以利用str.join()来将每个列表按照指定的连接符进行连接，主要参数有：

• 「sep：」 str型，必选，用于设置连接符

它除了可以简化我们常规使用apply()配合'连接符'.join(列表)实现的等价过程之外，还可以在列表中包含非字符型元素时自动跳过此次拼接返回缺失值，譬如下面的例子：

s = pd.Series([
    ['a', 'b', 'c'],
    [1, 'a', 'b'],
    list('pandas')
])

s.str.join('-')

2.1.2 利用cat()方法进行字符串拼接

当需要对整个序列进行拼接，或者将多个序列按位置进行元素级拼接时，就可以使用str.cat()方法来加速这个过程，其主要参数有：

• 「others：」 序列型，可选，用于传入待进行按位置元素级拼接的字符串序列对象

• 「sep：」 str型，可选，用于设置连接符，默认为''

  <