对比python字符串函数，轻松学习pandas的 str 矢量化字符串函数

1.概述

python字符串应该是python里面最重要的数据类型了，因此学会怎么处理各种各样的字符串，显得尤为重要。

我们不仅要学会怎么处理单个字符串，这个就需要学习“python字符串函数”，我们还要学会怎么处理二维表格中每一列每一格的字符串，这个就需要学习“pandas的str矢量化字符串函数”。

今天我们采用对比的方式，带大家总结常用的字符串函数，希望这篇文章能够对大家起到很好的作用。

在开始享用这篇文章之前，请培养好自己的耐心，本文确实干货满满，一定要看到最后你才知道收获有多大，尤其是后面的str属性，超有用。

2.常用的python字符串函数

字符串中，空白符也算是真实存在的一个字符。

1）python字符串函数大全

2）函数讲解

① find()函数

• 功能 ：检测字符串是否包含指定字符。如果包含指定字符，则返回开始的索引；否则，返回-1。

② index()函数

• 功能 ：检测字符串是否包含指定字符。如果包含指定字符，则返回开始的索引；否则，提示ValueError错误。

③ count()函数

• 功能 ： 统计字符串中，某指定字符在指定索引范围内，出现的次数。
• 索引范围 ：左闭右开区间。
• 注意 ：如果不指定索引范围，表示在整个字符串中，搜索指定字符出现的次数。

④ replace()函数

• 语法 ：st.replace(str1,str2,count)。
• 功能 ：将字符串st中的str1替换为str2。
• 注意 ： 如果不指定count，则表示整个替换；如果指定count=1，则表示只替换一次，count=2，则表示只替换两次。

⑤ split()

• 语法 ：st.split('分隔符', maxSplit)
• 功能 ：将字符串按照指定分隔符，进行分割。
• 注意 ：如果split中什么都不写，则默认按照空格进行分割；如果指定了分割符，则按照指定分隔符，进行分割。
• maxSplit作用：不好叙述，自己看下面的例子就明白。

⑥ startswith()函数

• 语法 ：st.startswith(str1)
• 功能 ：检查字符串st是否以字符串str1开头，若是，则返回True；否则，返回False。

⑦ endswith()函数

• 语法 ：st.endswith(str1)
• 功能 ：检查字符串st是否以字符串str1结尾，若是，则返回True；否则，返回False。

⑧ lower()

• 语法 ：st.lower()
• 功能 ：将字符串的所有字母转换为小写。

⑨ upper()

• 语法 ：st.upper()
• 功能 ：将字符串的所有字母转换为大写。

⑩ strip()

• 语法 ：st.strip()
• 功能 ：去掉字符串左右两边的空白字符。

注1：st.rstrip() : 去掉字符串右边的空白字符。

注2：st.lstrip() : 去掉字符串左边的空白字符。

⑪ join()函数

• 语法 ：st.join(str1)
• 功能 ：在指定字符串str1中，每相邻元素中间插入st字符串，形成新的字符串。
• 注意 ：是在str1中间插入st，而不是在st中间插入str1。

⑫ isalpha()

• 语法 ：str.isalpha()
• 功能 ：如果字符串str中只包含字母，则返回True；否则，返回False。
• 注意 ：只有字符串中全部是字母，才会返回True，中间有空格都不行。

⑬ isdigit()

• 语法 ：str.isdigit()
• 功能 ：如果字符串str中只包含数字，则返回True；否则，返回False。

3.常用的str矢量化字符串函数

str矢量化操作：指的是循环迭代数组里面的某个元素，来完成某个操作。

1）str矢量化字符串函数大全

2）构造一个DataFrame，用于测试函数

import pandas as pd
df ={'姓名':[' 黄同学','黄至尊','黄老邪 ','陈大美','孙尚香'],
     '英文名':['Huang tong_xue','huang zhi_zun','Huang Lao_xie','Chen Da_mei','sun shang_xiang'],
     '性别':['男','women','men','女','男'],
     '身份证':['463895200003128433','429475199912122345','420934199110102311','431085200005230122','420953199509082345'],
     '身高':['mid:175_good','low:165_bad','low:159_bad','high:180_verygood','low:172_bad'],
     '家庭住址':['湖北广水','河南信阳','广西桂林','湖北孝感','广东广州'],
     '电话号码':['13434813546','19748672895','16728613064','14561586431','19384683910'],
     '收入':['1.1万','8.5千','0.9万','6.5千','2.0万']}
df = pd.DataFrame(df)
df

结果如下：

3）函数讲解

① cat函数：用于字符串的拼接

df["姓名"].str.cat(df["家庭住址"],sep='-'*3)

结果如下：

② contains：判断某个字符串是否包含给定字符

df["家庭住址"].str.contains("广")

结果如下：

③ startswith/endswith：判断某个字符串是否以...开头/结尾

# 第一个行的“ 黄伟”是以空格开头的
df["姓名"].str.startswith("黄") 
df["英文名"].str.endswith("e")

结果如下：

④ count：计算给定字符在字符串中出现的次数

df["电话号码"].str.count("3")

结果如下：

⑤ get：获取指定位置的字符串

df["姓名"].str.get(-1)
df["身高"].str.split(":")
df["身高"].str.split(":").str.get(0)

结果如下：

⑥ len：计算字符串长度

df["性别"].str.len()

结果如下：

⑦ upper/lower：英文大小写转换

df["英文名"].str.upper()
df["英文名"].str.lower()

结果如下：

⑧ pad+side参数/center：在字符串的左边、右边或左右两边添加给定字符

df["家庭住址"].str.pad(10,fillchar="*")      # 相当于ljust()
df["家庭住址"].str.pad(10,side="right",fillchar="*")    # 相当于rjust()
df["家庭住址"].str.center(10,fillchar="*")

结果如下：

⑨ repeat：重复字符串几次

df["性别"].str.repeat(3)

结果如下：

⑩ slice_replace：使用给定的字符串，替换指定的位置的字符

df["电话号码"].str.slice_replace(4,8,"*"*4)

结果如下：

⑪ replace：将指定位置的字符，替换为给定的字符串

df["身高"].str.replace(":","-")

结果如下：

⑫ replace：将指定位置的字符，替换为给定的字符串(接受正则表达式)

• replace中传入正则表达式，才叫好用；
• 先不要管下面这个案例有没有用，你只需要知道，使用正则做数据清洗多好用；

df["收入"].str.replace("\d+\.\d+","正则")

结果如下：

⑬ split方法+expand参数：搭配join方法功能很强大

# 普通用法
df["身高"].str.split(":")
# split方法，搭配expand参数
df[["身高描述","final身高"]] = df["身高"].str.split(":",expand=True)
df
# split方法搭配join方法
df["身高"].str.split(":").str.join("?"*5)

结果如下：

⑭ strip/rstrip/lstrip：去除空白符、换行符

df["姓名"].str.len()
df["姓名"] = df["姓名"].str.strip()
df["姓名"].str.len()

结果如下：

⑮ findall：利用正则表达式，去字符串中匹配，返回查找结果的列表

• findall使用正则表达式，做数据清洗，真的很香！

df["身高"]
df["身高"].str.findall("[a-zA-Z]+")

结果如下：

⑯ extract/extractall：接受正则表达式，抽取匹配的字符串(一定要加上括号)

df["身高"].str.extract("([a-zA-Z]+)")
# extractall提取得到复合索引
df["身高"].str.extractall("([a-zA-Z]+)")
# extract搭配expand参数
df["身高"].str.extract("([a-zA-Z]+).*?([a-zA-Z]+)",expand=True)

结果如下：