pandas Series矢量化的字符串函数——Series.str

在清理文本数据时，对pandas Series（序列）可以使用map函数，所有的字符串都可以应用字符串函数或正则表达式，但是如果存在NA，就会报错。为了解决这个问题，Series有一些可以跳过NA值的字符串操作方法，这可以通过Series的str属性来访问。

s1 = pd.Series(['Mouse', 'dog', 'house and parrot', '23', np.NaN])
s1.str.contains('og', regex=False)
0    False
1     True
2    False
3    False
4      NaN
dtype: object

通过str属性来调用字符串函数，处理非NA的文本数据。常用的字符串函数：

• Series.str.contains：文本是否包含特定的字符串
• Series.str.get：获得特定位置处的字符
• Series.str.index：获得特定文本在原始文本中的位置即索引，索引从0开始。
• Series.str.endswith：文本是否以特定文本结束
• Series.str.startswith：文本是否以特定的文本开始
• Series.str.find：从文本中查找特定的字符串
• Series.str.replace：替换文本
• Series.str.split：分割文本
• Series.str.trip：移除文本开头和结尾的空白格
• Series.str.slice：子字符串
• Series.str.match：是否匹配特定的正则表达式

 

参考文档：