利用Python进行数据分析(15) pandas基础: 字符串操作
2016-08-14 09:59
1041 查看
字符串对象方法
split()方法拆分字符串:
strip()方法去掉空白符和换行符:
split()结合strip()使用:
"+"符号可以将多个字符串连接起来:
join()方法也是连接字符串,比较它和"+"符号的区别:
in关键字判断一个字符串是否包含在另一个字符串中:
index()方法和find()方法判断一个子字符串的位置:
index()方法和find()方法的区别是:如果不包含子字符串,index()会抛出一个异常,而find()会返回-1。
count()方法判断子字符串出现的次数:
replace()方法替换子字符串:
正则表达式
使用正则表达式一般的操作分为三类:匹配、替换和拆分。
匹配
替换
拆分
pandas中矢量化的字符串函数
相关文章推荐
- 利用Python进行数据分析(15) pandas基础: 字符串操作
- 利用Python进行数据分析(8) pandas基础: Series和DataFrame的基本操作
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一、pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主
- 利用Python进行数据分析(13) pandas基础: 数据重塑/轴向旋转
- 利用Python进行数据分析(12) pandas基础: 数据合并
- 利用Python进行数据分析(9) pandas基础: 汇总统计和计算
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍
- 利用Python进行数据分析(14) pandas基础: 数据转换
- 利用 Python 进行数据分析(八)pandas 基本操作(Series 和 DataFrame)
- 利用Python进行数据分析(12) pandas基础: 数据合并
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍
- 利用Python进行数据分析(10) pandas基础: 处理缺失数据
- 利用Python进行数据分析 pandas基础: 处理缺失数据
- 利用Python进行数据分析(11) pandas基础: 层次化索引
- 利用Python进行数据分析(10) pandas基础: 处理缺失数据
- 利用Python进行数据分析(14) pandas基础: 数据转换
- 利用Python进行数据分析(13) pandas基础: 数据重塑/轴向旋转
- 利用Python进行数据分析(11) pandas基础: 层次化索引
- 利用python进行数据分析——pandas
- 利用 Python 进行数据分析(十二)pandas:数据合并