处理文本数据
文本数据类型
在 pandas 中有两种存储文本数据的方式：
-
object-dtype NumPy 数组。 -
StringDtype扩展类型。
我们建议使用StringDtype来存储文本数据。
在 pandas 1.0 之前，object dtype 是唯一的选项。这在很多方面都是不幸的：
-
你可能会在
objectdtype 数组中意外存储字符串和非字符串的混合。最好有一个专用的 dtype。 -
objectdtype 会破坏 dtype 特定的操作，比如DataFrame.select_dtypes()。没有明确的方法可以仅选择文本而排除非文本但仍为 object-dtype 的列。 -
在阅读代码时，
objectdtype 数组的内容比'string'不够清晰。
目前，字符串和arrays.StringArray的object dtype 数组的性能大致相同。我们期待未来的增强将显著提高StringArray的性能并降低内存开销。
警告
StringArray 目前被视为实验性质。实现和部分 API 可能会在没有警告的情况下发生变化。
为了向后兼容，我们仍然将object dtype 作为我们推断字符串列表的默认类型。
In [1]: pd.Series(["a", "b", "c"])
Out[1]:
0 a
1 b
2 c
dtype: object
要明确请求string dtype，请指定dtype
In [2]: pd.Series(["a", "b", "c"], dtype="string")
Out[2]:
0 a
1 b
2 c
dtype: string
In [3]: pd.Series(["a", "b", "c"], dtype=pd.StringDtype())
Out[3]:
0 a
1 b
2 c
dtype: string
或在创建Series或DataFrame之后进行astype
In [4]: s = pd.Series(["a", "b", "c"])
In [5]: s
Out[5]:
0 a
1 b
2 c
dtype: object
In [6]: s.astype("string")
Out[6]:
0 a
1 b
2 c
dtype: string
你也可以在非字符串数据上使用StringDtype/"string"作为 dtype，并将其转换为string dtype：
In [7]: s = pd.Series(["a", 2, np.nan], dtype="string")
In [8]: s
Out[8]:
0 a
1 2
2 <NA>
dtype: string
In [9]: type(s[1])
Out[9]: str
或者从现有的 pandas 数据中转换：
In [10]: s1 = pd.Series([1, 2, np.nan], dtype="Int64")
In [11]: s1
Out[11]:
0 1
1 2
2 <NA>
dtype: Int64
In [12]: s2 = s1.astype("string")
In [13]: s2
Out[13]:
0 1
1 2
2 <NA>
dtype: string
In [14]: type(s2[0])
Out[14]: str
行为差异
这些是StringDtype对象与object dtype 不同的地方
-
对于
StringDtype，返回数字输出的 string 访问器方法将始终返回可空整数 dtype，而不是根据 NA 值的存在返回 int 或 float dtype。返回布尔值输出的方法将返回可空布尔 dtype。In [15]: s = pd.Series(["a", None, "b"], dtype="string") In [16]: s Out[16]: 0 a 1 <NA> 2 b dtype: string In [17]: s.str.count("a") Out[17]: 0 1 1 <NA> 2 0 dtype: Int64 In [18]: s.dropna().str.count("a") Out[18]: 0 1 2 0 dtype: Int64两个输出都是
Int64dtype。与 object-dtype 进行比较In [19]: s2 = pd.Series(["a", None, "b"], dtype="object") In [20]: s2.str.count("a") Out[20]: 0 1.0 1 NaN 2 0.0 dtype: float64 In [21]: s2.dropna().str.count("a") Out[21]: 0 1 2 0 dtype: int64当存在 NA 值时，输出 dtype 为 float64。对于返回布尔值的方法也是如此。
In [22]: s.str.isdigit() Out[22]: 0 False 1 <NA> 2 False dtype: boolean In [23]: s.str.match("a") Out[23]: 0 True 1 <NA> 2 False dtype: boolean -
一些字符串方法，比如
Series.str.decode()在StringArray上不可用，因为StringArray只保存字符串，而不是字节。 -
在比较操作中，
arrays.StringArray和由StringArray支持的Series将返回一个具有BooleanDtype的对象，而不是booldtype 对象。在StringArray中的缺失值将在比较操作中传播，而不总是像numpy.nan那样比较不相等。
本文档其余部分中的所有内容同样适用于string和object dtype。 ## 字符串方法
Series 和 Index 配备了一组字符串处理方法，使得可以轻松操作数组的每个元素。最重要的是，这些方法会自动排除缺失/NA 值。这些方法通过str属性访问，通常与等效的（标量）内置字符串方法名称匹配：
In [24]: s = pd.Series(
....: ["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"], dtype="string"
....: )
....:
In [25]: s.str.lower()
Out[25]:
0 a
1 b
2 c
3 aaba
4 baca
5 <NA>
6 caba
7 dog
8 cat
dtype: string
In [26]: s.str.upper()
Out[26]:
0 A
1 B
2 C
3 AABA
4 BACA
5 <NA>
6 CABA
7 DOG
8 CAT
dtype: string
In [27]: s.str.len()
Out[27]:
0 1
1 1
2 1
3 4
4 4
5 <NA>
6 4
7 3
8 3
dtype: Int64
In [28]: idx = pd.Index([" jack", "jill ", " jesse ", "frank"])
In [29]: idx.str.strip()
Out[29]: Index(['jack', 'jill', 'jesse', 'frank'], dtype='object')
In [30]: idx.str.lstrip()
Out[30]: Index(['jack', 'jill ', 'jesse ', 'frank'], dtype='object')
In [31]: idx.str.rstrip()
Out[31]: Index([' jack', 'jill', ' jesse', 'frank'], dtype='object')
Index 上的字符串方法特别适用于清理或转换 DataFrame 列。例如，您可能有带有前导或尾随空格的列：
In [32]: df = pd.DataFrame(
....: np.random.randn(3, 2), columns=[" Column A ", " Column B "], index=range(3)
....: )
....:
In [33]: df
Out[33]:
Column A Column B
0 0.469112 -0.282863
1 -1.509059 -1.135632
2 1.212112 -0.173215
由于df.columns是一个 Index 对象，我们可以使用.str访问器
In [34]: df.columns.str.strip()
Out[34]: Index(['Column A', 'Column B'], dtype='object')
In [35]: df.columns.str.lower()
Out[35]: Index([' column a ', ' column b '], dtype='object')
然后可以使用这些字符串方法根据需要清理列。在这里，我们删除前导和尾随空格，将所有名称转换为小写，并用下划线替换任何剩余的空格：
In [36]: df.columns = df.columns.str.strip().str.lower().str.replace(" ", "_")
In [37]: df
Out[37]:
column_a column_b
0 0.469112 -0.282863
1 -1.509059 -1.135632
2 1.212112 -0.173215
注意
如果您有一个Series，其中许多元素重复（即Series中的唯一元素数量远小于Series的长度），将原始Series转换为category类型之后，使用.str.<method>或.dt.<property>可能更快。性能差异来自于category类型的Series上的字符串操作是在.categories上执行的，而不是在Series的每个元素上执行。
请注意，具有字符串.categories的category类型Series与字符串类型的Series相比存在一些限制（例如，如果s是category类型的Series，则无法将字符串相加：s + " " + s不起作用）。此外，对于这样的Series，不可用于操作list类型元素的.str方法。
警告
Series 的类型是推断的，并且允许的类型（即字符串）。
一般来说，.str访问器仅用于字符串。除了极少数例外情况外，不支持其他用途，并且可能在以后被禁用。 ## 拆分和替换字符串
像split这样的方法返回一个列表的 Series：
In [38]: s2 = pd.Series(["a_b_c", "c_d_e", np.nan, "f_g_h"], dtype="string")
In [39]: s2.str.split("_")
Out[39]:
0 [a, b, c]
1 [c, d, e]
2 <NA>
3 [f, g, h]
dtype: object
可以使用get或[]符号访问拆分列表中的元素：
In [40]: s2.str.split("_").str.get(1)
Out[40]:
0 b
1 d
2 <NA>
3 g
dtype: object
In [41]: s2.str.split("_").str[1]
Out[41]:
0 b
1 d
2 <NA>
3 g
dtype: object
可以轻松扩展此操作以使用expand返回 DataFrame。
In [42]: s2.str.split("_", expand=True)
Out[42]:
0 1 2
0 a b c
1 c d e
2 <NA> <NA> <NA>
3 f g h
当原始Series具有StringDtype时，输出列也将全部是StringDtype。
也可以限制拆分的数量：
In [43]: s2.str.split("_", expand=True, n=1)
Out[43]:
0 1
0 a b_c
1 c d_e
2 <NA> <NA>
3 f g_h
rsplit类似于split，只是它是从字符串末尾到字符串开头的方向进行操作：
In [44]: s2.str.rsplit("_", expand=True, n=1)
Out[44]:
0 1
0 a_b c
1 c_d e
2 <NA> <NA>
3 f_g h
replace方法可以选择使用正则表达式：
In [45]: s3 = pd.Series(
....: ["A", "B", "C", "Aaba", "Baca", "", np.nan, "CABA", "dog", "cat"],
....: dtype="string",
....: )
....:
In [46]: s3
Out[46]:
0 A
1 B
2 C
3 Aaba
4 Baca
5
6 <NA>
7 CABA
8 dog
9 cat
dtype: string
In [47]: s3.str.replace("^.a|dog", "XX-XX ", case=False, regex=True)
Out[47]:
0 A
1 B
2 C
3 XX-XX ba
4 XX-XX ca
5
6 <NA>
7 XX-XX BA
8 XX-XX
9 XX-XX t
dtype: string
在 2.0 版本中更改。
使用regex=True的单个字符模式也将被视为正则表达式：
In [48]: s4 = pd.Series(["a.b", ".", "b", np.nan, ""], dtype="string")
In [49]: s4
Out[49]:
0 a.b
1 .
2 b
3 <NA>
4
dtype: string
In [50]: s4.str.replace(".", "a", regex=True)
Out[50]:
0 aaa
1 a
2 a
3 <NA>
4
dtype: string
如果您想要对字符串进行字面替换（相当于str.replace()），您可以将可选的regex参数设置为False，而不是转义每个字符。在这种情况下，pat和repl都必须是字符串：
In [51]: dollars = pd.Series(["12", "-$10", "$10,000"], dtype="string")
# These lines are equivalent
In [52]: dollars.str.replace(r"-\$", "-", regex=True)
Out[52]:
0 12
1 -10
2 $10,000
dtype: string
In [53]: dollars.str.replace("-$", "-", regex=False)
Out[53]:
0 12
1 -10
2 $10,000
dtype: string
replace方法还可以接受一个可调用对象作为替换。它会对每个pat使用re.sub()进行调用。可调用对象应该期望一个位置参数（一个正则表达式对象）并返回一个字符串。
# Reverse every lowercase alphabetic word
In [54]: pat = r"[a-z]+"
In [55]: def repl(m):
....: return m.group(0)[::-1]
....:
In [56]: pd.Series(["foo 123", "bar baz", np.nan], dtype="string").str.replace(
....: pat, repl, regex=True
....: )
....:
Out[56]:
0 oof 123
1 rab zab
2 <NA>
dtype: string
# Using regex groups
In [57]: pat = r"(?P<one>\w+) (?P<two>\w+) (?P<three>\w+)"
In [58]: def repl(m):
....: return m.group("two").swapcase()
....:
In [59]: pd.Series(["Foo Bar Baz", np.nan], dtype="string").str.replace(
....: pat, repl, regex=True
....: )
....:
Out[59]:
0 bAR
1 <NA>
dtype: string
replace方法还接受来自re.compile()的编译的正则表达式对象作为模式。所有标志应包含在编译的正则表达式对象中。
In [60]: import re
In [61]: regex_pat = re.compile(r"^.a|dog", flags=re.IGNORECASE)
In [62]: s3.str.replace(regex_pat, "XX-XX ", regex=True)
Out[62]:
0 A
1 B
2 C
3 XX-XX ba
4 XX-XX ca
5
6 <NA>
7 XX-XX BA
8 XX-XX
9 XX-XX t
dtype: string
在调用带有编译的正则表达式对象的replace时包含一个flags参数将引发ValueError。
In [63]: s3.str.replace(regex_pat, 'XX-XX ', flags=re.IGNORECASE)
---------------------------------------------------------------------------
ValueError: case and flags cannot be set when pat is a compiled regex
removeprefix和removesuffix与 Python 3.9 中添加的str.removeprefix和str.removesuffix具有相同的效果 <docs.python.org/3/library/stdtypes.html#str.removeprefix>`__：
在 1.4.0 版本中新增。
In [64]: s = pd.Series(["str_foo", "str_bar", "no_prefix"])
In [65]: s.str.removeprefix("str_")
Out[65]:
0 foo
1 bar
2 no_prefix
dtype: object
In [66]: s = pd.Series(["foo_str", "bar_str", "no_suffix"])
In [67]: s.str.removesuffix("_str")
Out[67]:
0 foo
1 bar
2 no_suffix
dtype: object
``` ## 连接
有几种方法可以连接`Series`或`Index`，可以是与自身或其他对象连接，都基于`cat()`，或者`Index.str.cat`。
### 将单个 Series 连接成字符串
`Series`（或`Index`）的内容可以进行连接：
```py
In [68]: s = pd.Series(["a", "b", "c", "d"], dtype="string")
In [69]: s.str.cat(sep=",")
Out[69]: 'a,b,c,d'
如果未指定，用于分隔符的关键字sep默认为空字符串，sep=''：
In [70]: s.str.cat()
Out[70]: 'abcd'
默认情况下，会忽略缺失值。使用na_rep，可以为缺失值指定一个表示：
In [71]: t = pd.Series(["a", "b", np.nan, "d"], dtype="string")
In [72]: t.str.cat(sep=",")
Out[72]: 'a,b,d'
In [73]: t.str.cat(sep=",", na_rep="-")
Out[73]: 'a,b,-,d'
将一个 Series 和类似列表的东西连接成一个 Series
cat()的第一个参数可以是类似列表的对象，只要它与调用的Series（或Index）的长度匹配即可。
In [74]: s.str.cat(["A", "B", "C", "D"])
Out[74]:
0 aA
1 bB
2 cC
3 dD
dtype: string
任一侧存在缺失值都会导致结果中也存在缺失值，除非指定了na_rep：
In [75]: s.str.cat(t)
Out[75]:
0 aa
1 bb
2 <NA>
3 dd
dtype: string
In [76]: s.str.cat(t, na_rep="-")
Out[76]:
0 aa
1 bb
2 c-
3 dd
dtype: string
将一个 Series 和类似数组的东西连接成一个 Series
参数others也可以是二维的。在这种情况下，行数必须与调用的Series（或Index）的长度匹配。
In [77]: d = pd.concat([t, s], axis=1)
In [78]: s
Out[78]:
0 a
1 b
2 c
3 d
dtype: string
In [79]: d
Out[79]:
0 1
0 a a
1 b b
2 <NA> c
3 d d
In [80]: s.str.cat(d, na_rep="-")
Out[80]:
0 aaa
1 bbb
2 c-c
3 ddd
dtype: string
将一个 Series 和一个带索引的对象连接成一个 Series，并进行对齐
对于与Series或DataFrame连接，可以通过设置join关键字来在连接之前对齐索引。
In [81]: u = pd.Series(["b", "d", "a", "c"], index=[1, 3, 0, 2], dtype="string")
In [82]: s
Out[82]:
0 a
1 b
2 c
3 d
dtype: string
In [83]: u
Out[83]:
1 b
3 d
0 a
2 c
dtype: string
In [84]: s.str.cat(u)
Out[84]:
0 aa
1 bb
2 cc
3 dd
dtype: string
In [85]: s.str.cat(u, join="left")
Out[85]:
0 aa
1 bb
2 cc
3 dd
dtype: string
对于join，可以使用常规选项之一（'left', 'outer', 'inner', 'right'）。特别是，对齐也意味着不同长度不再需要一致。
In [86]: v = pd.Series(["z", "a", "b", "d", "e"], index=[-1, 0, 1, 3, 4], dtype="string")
In [87]: s
Out[87]:
0 a
1 b
2 c
3 d
dtype: string
In [88]: v
Out[88]:
-1 z
0 a
1 b
3 d
4 e
dtype: string
In [89]: s.str.cat(v, join="left", na_rep="-")
Out[89]:
0 aa
1 bb
2 c-
3 dd
dtype: string
In [90]: s.str.cat(v, join="outer", na_rep="-")
Out[90]:
-1 -z
0 aa
1 bb
2 c-
3 dd
4 -e
dtype: string
当others是一个DataFrame时，可以使用相同的对齐：
In [91]: f = d.loc[[3, 2, 1, 0], :]
In [92]: s
Out[92]:
0 a
1 b
2 c
3 d
dtype: string
In [93]: f
Out[93]:
0 1
3 d d
2 <NA> c
1 b b
0 a a
In [94]: s.str.cat(f, join="left", na_rep="-")
Out[94]:
0 aaa
1 bbb
2 c-c
3 ddd
dtype: string
将一个系列和许多对象连接成一个系列
几个类似数组的项目（特别是：Series、Index和np.ndarray的一维变体）可以组合在一个类似列表的容器中（包括迭代器、dict-视图等）。
In [95]: s
Out[95]:
0 a
1 b
2 c
3 d
dtype: string
In [96]: u
Out[96]:
1 b
3 d
0 a
2 c
dtype: string
In [97]: s.str.cat([u, u.to_numpy()], join="left")
Out[97]:
0 aab
1 bbd
2 cca
3 ddc
dtype: string
传递的类似列表中没有索引的所有元素（例如np.ndarray）必须与调用的Series（或Index）的长度匹配，但Series和Index的长度可以是任意的（只要不使用join=None禁用对齐）：
In [98]: v
Out[98]:
-1 z
0 a
1 b
3 d
4 e
dtype: string
In [99]: s.str.cat([v, u, u.to_numpy()], join="outer", na_rep="-")
Out[99]:
-1 -z--
0 aaab
1 bbbd
2 c-ca
3 dddc
4 -e--
dtype: string
如果在一个包含不同索引的others列表上使用join='right'，这些索引的并集将被用作最终连接的基础：
In [100]: u.loc[[3]]
Out[100]:
3 d
dtype: string
In [101]: v.loc[[-1, 0]]
Out[101]:
-1 z
0 a
dtype: string
In [102]: s.str.cat([u.loc[[3]], v.loc[[-1, 0]]], join="right", na_rep="-")
Out[102]:
3 dd-
-1 --z
0 a-a
dtype: string
使用.str进行索引
您可以使用[]表示法直接按位置索引。如果索引超出字符串的末尾，结果将是一个NaN。
In [103]: s = pd.Series(
.....: ["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"], dtype="string"
.....: )
.....:
In [104]: s.str[0]
Out[104]:
0 A
1 B
2 C
3 A
4 B
5 <NA>
6 C
7 d
8 c
dtype: string
In [105]: s.str[1]
Out[105]:
0 <NA>
1 <NA>
2 <NA>
3 a
4 a
5 <NA>
6 A
7 o
8 a
dtype: string
提取子字符串
提取每个主题中的第一个匹配项（extract）
extract方法接受至少一个捕获组的正则表达式。
提取具有多个组的正则表达式将返回一个每个组一列的 DataFrame。
In [106]: pd.Series(
.....: ["a1", "b2", "c3"],
.....: dtype="string",
.....: ).str.extract(r"([ab])(\d)", expand=False)
.....:
Out[106]:
0 1
0 a 1
1 b 2
2 <NA> <NA>
不匹配的元素返回一个填充有NaN的行。因此，一系列混乱的字符串可以被“转换”为一个具有相同索引的清理或更有用的字符串的系列或DataFrame，而不需要使用get()来访问元组或re.match对象。结果的数据类型始终为对象，即使没有找到匹配项，结果仅包含NaN。
命名组如
In [107]: pd.Series(["a1", "b2", "c3"], dtype="string").str.extract(
.....: r"(?P<letter>[ab])(?P<digit>\d)", expand=False
.....: )
.....:
Out[107]:
letter digit
0 a 1
1 b 2
2 <NA> <NA>
和可选组如
In [108]: pd.Series(
.....: ["a1", "b2", "3"],
.....: dtype="string",
.....: ).str.extract(r"([ab])?(\d)", expand=False)
.....:
Out[108]:
0 1
0 a 1
1 b 2
2 <NA> 3
也可以使用。请注意，正则表达式中的任何捕获组名称将用作列名；否则将使用捕获组编号。
使用一个组的正则表达式提取返回一个列的DataFrame，如果expand=True。
In [109]: pd.Series(["a1", "b2", "c3"], dtype="string").str.extract(r"ab", expand=True)
Out[109]:
0
0 1
1 2
2 <NA>
如果expand=False，则返回一个 Series。
In [110]: pd.Series(["a1", "b2", "c3"], dtype="string").str.extract(r"ab", expand=False)
Out[110]:
0 1
1 2
2 <NA>
dtype: string
使用正则表达式调用带有一个捕获组的Index，如果expand=True，则返回一个列的DataFrame。
In [111]: s = pd.Series(["a1", "b2", "c3"], ["A11", "B22", "C33"], dtype="string")
In [112]: s
Out[112]:
A11 a1
B22 b2
C33 c3
dtype: string
In [113]: s.index.str.extract("(?P<letter>[a-zA-Z])", expand=True)
Out[113]:
letter
0 A
1 B
2 C
如果expand=False，则返回一个Index。
In [114]: s.index.str.extract("(?P<letter>[a-zA-Z])", expand=False)
Out[114]: Index(['A', 'B', 'C'], dtype='object', name='letter')
使用具有多个捕获组的正则表达式调用Index，如果expand=True，则返回一个DataFrame。
In [115]: s.index.str.extract("(?P<letter>[a-zA-Z])([0-9]+)", expand=True)
Out[115]:
letter 1
0 A 11
1 B 22
2 C 33
如果expand=False，则引发ValueError。
In [116]: s.index.str.extract("(?P<letter>[a-zA-Z])([0-9]+)", expand=False)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
Cell In[116], line 1
----> 1 s.index.str.extract("(?P<letter>[a-zA-Z])([0-9]+)", expand=False)
File ~/work/pandas/pandas/pandas/core/strings/accessor.py:137, in forbid_nonstring_types.<locals>._forbid_nonstring_types.<locals>.wrapper(self, *args, **kwargs)
132 msg = (
133 f"Cannot use .str.{func_name} with values of "
134 f"inferred dtype '{self._inferred_dtype}'."
135 )
136 raise TypeError(msg)
--> 137 return func(self, *args, **kwargs)
File ~/work/pandas/pandas/pandas/core/strings/accessor.py:2743, in StringMethods.extract(self, pat, flags, expand)
2740 raise ValueError("pattern contains no capture groups")
2742 if not expand and regex.groups > 1 and isinstance(self._data, ABCIndex):
-> 2743 raise ValueError("only one regex group is supported with Index")
2745 obj = self._data
2746 result_dtype = _result_dtype(obj)
ValueError: only one regex group is supported with Index
下表总结了extract(expand=False)的行为（第一列为输入主题，正则表达式中的组数为第一行）
| 1 组 | >1 组 | |
|---|---|---|
| Index | Index | ValueError |
| Series | Series | DataFrame |
提取每个主题中的所有匹配项（extractall）
与仅返回第一个匹配项的extract不同，
In [117]: s = pd.Series(["a1a2", "b1", "c1"], index=["A", "B", "C"], dtype="string")
In [118]: s
Out[118]:
A a1a2
B b1
C c1
dtype: string
In [119]: two_groups = "(?P<letter>[a-z])(?P<digit>[0-9])"
In [120]: s.str.extract(two_groups, expand=True)
Out[120]:
letter digit
A a 1
B b 1
C c 1
extractall方法返回每个匹配项。extractall的结果始终是一个带有MultiIndex的DataFrame。MultiIndex的最后一级命名为match，表示主题中的顺序。
In [121]: s.str.extractall(two_groups)
Out[121]:
letter digit
match
A 0 a 1
1 a 2
B 0 b 1
C 0 c 1
当系列中的每个主题字符串恰好有一个匹配时，
In [122]: s = pd.Series(["a3", "b3", "c2"], dtype="string")
In [123]: s
Out[123]:
0 a3
1 b3
2 c2
dtype: string
然后extractall(pat).xs(0, level='match')与extract(pat)给出相同的结果。
In [124]: extract_result = s.str.extract(two_groups, expand=True)
In [125]: extract_result
Out[125]:
letter digit
0 a 3
1 b 3
2 c 2
In [126]: extractall_result = s.str.extractall(two_groups)
In [127]: extractall_result
Out[127]:
letter digit
match
0 0 a 3
1 0 b 3
2 0 c 2
In [128]: extractall_result.xs(0, level="match")
Out[128]:
letter digit
0 a 3
1 b 3
2 c 2
Index还支持.str.extractall。它返回一个与具有默认索引（从 0 开始）的Series.str.extractall具有相同结果的DataFrame。
In [129]: pd.Index(["a1a2", "b1", "c1"]).str.extractall(two_groups)
Out[129]:
letter digit
match
0 0 a 1
1 a 2
1 0 b 1
2 0 c 1
In [130]: pd.Series(["a1a2", "b1", "c1"], dtype="string").str.extractall(two_groups)
Out[130]:
letter digit
match
0 0 a 1
1 a 2
1 0 b 1
2 0 c 1
测试匹配或包含模式的字符串
您可以检查元素是否包含模式：
In [131]: pattern = r"[0-9][a-z]"
In [132]: pd.Series(
.....: ["1", "2", "3a", "3b", "03c", "4dx"],
.....: dtype="string",
.....: ).str.contains(pattern)
.....:
Out[132]:
0 False
1 False
2 True
3 True
4 True
5 True
dtype: boolean
或者元素是否匹配模式：
In [133]: pd.Series(
.....: ["1", "2", "3a", "3b", "03c", "4dx"],
.....: dtype="string",
.....: ).str.match(pattern)
.....:
Out[133]:
0 False
1 False
2 True
3 True
4 False
5 True
dtype: boolean
In [134]: pd.Series(
.....: ["1", "2", "3a", "3b", "03c", "4dx"],
.....: dtype="string",
.....: ).str.fullmatch(pattern)
.....:
Out[134]:
0 False
1 False
2 True
3 True
4 False
5 False
dtype: boolean
注意
match、fullmatch和contains之间的区别在于严格性：fullmatch测试整个字符串是否与正则表达式匹配；match测试正则表达式是否在字符串的第一个字符处匹配；contains测试字符串中是否在任何位置匹配正则表达式。
这三种匹配模式在re包中对应的函数分别是re.fullmatch，re.match和re.search。
match、fullmatch、contains、startswith和endswith等方法接受额外的na参数，因此缺失值可以被视为 True 或 False：
In [135]: s4 = pd.Series(
.....: ["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"], dtype="string"
.....: )
.....:
In [136]: s4.str.contains("A", na=False)
Out[136]:
0 True
1 False
2 False
3 True
4 False
5 False
6 True
7 False
8 False
dtype: boolean
创建指示变量
您可以从字符串列中提取虚拟变量。例如，如果它们由'|'分隔：
In [137]: s = pd.Series(["a", "a|b", np.nan, "a|c"], dtype="string")
In [138]: s.str.get_dummies(sep="|")
Out[138]:
a b c
0 1 0 0
1 1 1 0
2 0 0 0
3 1 0 1
字符串Index还支持get_dummies，它返回一个MultiIndex。
In [139]: idx = pd.Index(["a", "a|b", np.nan, "a|c"])
In [140]: idx.str.get_dummies(sep="|")
Out[140]:
MultiIndex([(1, 0, 0),
(1, 1, 0),
(0, 0, 0),
(1, 0, 1)],
names=['a', 'b', 'c'])
另请参见get_dummies()。
方法摘要
| 方法 | 描述 |
|---|---|
cat() |
连接字符串 |
split() |
使用分隔符拆分字符串 |
rsplit() |
从字符串末尾开始使用分隔符拆分字符串 |
get() |
索引到每个元素（检索第 i 个元素） |
join() |
使用传递的分隔符连接 Series 中每个元素的字符串 |
get_dummies() |
使用分隔符拆分字符串，返回包含虚拟变量的 DataFrame |
contains() |
如果每个字符串包含模式/正则表达式，则返回布尔数组 |
replace() |
用其他字符串或可调用对象的返回值替换模式/正则表达式/字符串的出现 |
removeprefix() |
从字符串中移除前缀，即仅在字符串以前缀开头时才移除。 |
removesuffix() |
从字符串中移除后缀，即仅在字符串以后缀结尾时才移除。 |
repeat() |
复制值（s.str.repeat(3) 等同于 x * 3） |
pad() |
在字符串的左侧、右侧或两侧添加空格 |
center() |
等同于 str.center |
ljust() |
等同于 str.ljust |
rjust() |
等同于 str.rjust |
zfill() |
等同于 str.zfill |
wrap() |
将长字符串拆分为长度小于给定宽度的行 |
slice() |
对 Series 中的每个字符串进行切片 |
slice_replace() |
用传递的值替换每个字符串中的切片 |
count() |
计算模式的出现次数 |
startswith() |
对每个元素等同于 str.startswith(pat) |
endswith() |
对每个元素等同于 str.endswith(pat) |
findall() |
计算每个字符串中模式/正则表达式的所有出现 |
match() |
对每个元素调用 re.match，返回匹配的组列表 |
extract() |
对每个元素调用re.search，返回一个 DataFrame，每个元素一行，每个正则表达式捕获组一列 |
extractall() |
对每个元素调用re.findall，返回一个 DataFrame，每个匹配项一行，每个正则表达式捕获组一列 |
len() |
计算字符串长度 |
strip() |
等同于 str.strip |
rstrip() |
等同于 str.rstrip |
lstrip() |
等同于 str.lstrip |
partition() |
等同于 str.partition |
rpartition() |
等同于 str.rpartition |
lower() |
等同于 str.lower |
casefold() |
等同于 str.casefold |
upper() |
等同于 str.upper |
find() |
等同于 str.find |
rfind() |
等同于 str.rfind |
index() |
等同于 str.index |
rindex() |
等同于 str.rindex |
capitalize() |
等同于 str.capitalize |
swapcase() |
等同于 str.swapcase |
normalize() |
返回 Unicode 正规形式。等同于unicodedata.normalize |
translate() |
等同于 str.translate |
isalnum() |
等同于 str.isalnum |
isalpha() |
等同于 str.isalpha |
isdigit() |
等同于 str.isdigit |
isspace() |
等同于 str.isspace |
islower() |
等同于 str.islower |
isupper() |
等同于 str.isupper |
istitle() |
等同于 str.istitle |
isnumeric() |
等同于 str.isnumeric |
isdecimal() |
等同于 str.isdecimal |
文本数据类型
在 pandas 中有两种存储文本数据的方式：
-
object-dtype NumPy 数组。 -
StringDtype扩展类型。
我们建议使用StringDtype来存储文本数据。
在 pandas 1.0 之前，object dtype 是唯一的选择。这在很多方面都是不幸的：
-
在
objectdtype 数组中可能会意外存储字符串和非字符串的混合。最好使用专用的 dtype。 -
objectdtype 会破坏 dtype 特定的操作，比如DataFrame.select_dtypes()。没有明确的方法可以仅选择文本而排除非文本但仍为 object-dtype 的列。 -
阅读代码时，
objectdtype 数组的内容不如'string'清晰。
目前，object dtype 类型的字符串数组和arrays.StringArray的性能大致相同。我们期待未来的增强将显著提高StringArray的性能并降低内存开销。
警告
StringArray目前被视为实验性质。实现和部分 API 可能会在没有警告的情况下发生变化。
为了向后兼容，我们推断字符串列表的默认类型仍然是object dtype
In [1]: pd.Series(["a", "b", "c"])
Out[1]:
0 a
1 b
2 c
dtype: object
要明确请求string dtype，请指定dtype
In [2]: pd.Series(["a", "b", "c"], dtype="string")
Out[2]:
0 a
1 b
2 c
dtype: string
In [3]: pd.Series(["a", "b", "c"], dtype=pd.StringDtype())
Out[3]:
0 a
1 b
2 c
dtype: string
在创建Series或DataFrame之后使用astype
In [4]: s = pd.Series(["a", "b", "c"])
In [5]: s
Out[5]:
0 a
1 b
2 c
dtype: object
In [6]: s.astype("string")
Out[6]:
0 a
1 b
2 c
dtype: string
你也可以在非字符串数据上使用StringDtype/"string"作为 dtype，它将被转换为string dtype：
In [7]: s = pd.Series(["a", 2, np.nan], dtype="string")
In [8]: s
Out[8]:
0 a
1 2
2 <NA>
dtype: string
In [9]: type(s[1])
Out[9]: str
或者从现有的 pandas 数据转换：
In [10]: s1 = pd.Series([1, 2, np.nan], dtype="Int64")
In [11]: s1
Out[11]:
0 1
1 2
2 <NA>
dtype: Int64
In [12]: s2 = s1.astype("string")
In [13]: s2
Out[13]:
0 1
1 2
2 <NA>
dtype: string
In [14]: type(s2[0])
Out[14]: str
行为差异
这些是StringDtype对象的行为与object dtype 不同的地方
-
对于
StringDtype，返回numeric输出的 string 访问器方法将始终返回可空整数 dtype，而不是根据 NA 值的存在而返回 int 或 float dtype。返回boolean输出的方法将返回可空布尔 dtype。In [15]: s = pd.Series(["a", None, "b"], dtype="string") In [16]: s Out[16]: 0 a 1 <NA> 2 b dtype: string In [17]: s.str.count("a") Out[17]: 0 1 1 <NA> 2 0 dtype: Int64 In [18]: s.dropna().str.count("a") Out[18]: 0 1 2 0 dtype: Int64两个输出都是
Int64dtype。与 object-dtype 进行比较In [19]: s2 = pd.Series(["a", None, "b"], dtype="object") In [20]: s2.str.count("a") Out[20]: 0 1.0 1 NaN 2 0.0 dtype: float64 In [21]: s2.dropna().str.count("a") Out[21]: 0 1 2 0 dtype: int64当存在 NA 值时，输出 dtype 为 float64。返回布尔值的方法也是如此。
In [22]: s.str.isdigit() Out[22]: 0 False 1 <NA> 2 False dtype: boolean In [23]: s.str.match("a") Out[23]: 0 True 1 <NA> 2 False dtype: boolean -
一些字符串方法，比如
Series.str.decode()在StringArray上不可用，因为StringArray只保存字符串，而不是字节。 -
在比较操作中，
arrays.StringArray和由StringArray支持的Series将返回一个带有BooleanDtype的对象，而不是booldtype 对象。在StringArray中的缺失值将在比较操作中传播，而不像numpy.nan那样总是比较不相等。
本文档其余部分中的其他内容同样适用于string和object dtype。### 行为差异
这些是StringDtype对象的行为与object dtype 不同的地方
-
对于
StringDtype，返回numeric输出的 string 访问器方法将始终返回可空整数 dtype，而不是根据 NA 值的存在而返回 int 或 float dtype。返回boolean输出的方法将返回可空布尔 dtype。In [15]: s = pd.Series(["a", None, "b"], dtype="string") In [16]: s Out[16]: 0 a 1 <NA> 2 b dtype: string In [17]: s.str.count("a") Out[17]: 0 1 1 <NA> 2 0 dtype: Int64 In [18]: s.dropna().str.count("a") Out[18]: 0 1 2 0 dtype: Int64两个输出都是
Int64dtype。与 object-dtype 进行比较In [19]: s2 = pd.Series(["a", None, "b"], dtype="object") In [20]: s2.str.count("a") Out[20]: 0 1.0 1 NaN 2 0.0 dtype: float64 In [21]: s2.dropna().str.count("a") Out[21]: 0 1 2 0 dtype: int64当存在 NA 值时，输出 dtype 为 float64。返回布尔值的方法也是如此。
In [22]: s.str.isdigit() Out[22]: 0 False 1 <NA> 2 False dtype: boolean In [23]: s.str.match("a") Out[23]: 0 True 1 <NA> 2 False dtype: boolean -
一些字符串方法，比如
Series.str.decode()在StringArray上不可用，因为StringArray只保存字符串，而不是字节。 -
在比较操作中，由
StringArray支持的arrays.StringArray和Series将返回一个具有BooleanDtype的对象，而不是booldtype 对象。在StringArray中的缺失值将在比较操作中传播，而不像numpy.nan那样总是比较不相等。
本文档其余部分中的所有内容同样适用于string和object dtype。
字符串方法
Series 和 Index 配备了一组字符串处理方法，使得在数组的每个元素上操作变得容易。也许最重要的是，这些方法会自动排除缺失/NA 值。这些方法通过str属性访问，通常具有与等效（标量）内置字符串方法匹配的名称：
In [24]: s = pd.Series(
....: ["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"], dtype="string"
....: )
....:
In [25]: s.str.lower()
Out[25]:
0 a
1 b
2 c
3 aaba
4 baca
5 <NA>
6 caba
7 dog
8 cat
dtype: string
In [26]: s.str.upper()
Out[26]:
0 A
1 B
2 C
3 AABA
4 BACA
5 <NA>
6 CABA
7 DOG
8 CAT
dtype: string
In [27]: s.str.len()
Out[27]:
0 1
1 1
2 1
3 4
4 4
5 <NA>
6 4
7 3
8 3
dtype: Int64
In [28]: idx = pd.Index([" jack", "jill ", " jesse ", "frank"])
In [29]: idx.str.strip()
Out[29]: Index(['jack', 'jill', 'jesse', 'frank'], dtype='object')
In [30]: idx.str.lstrip()
Out[30]: Index(['jack', 'jill ', 'jesse ', 'frank'], dtype='object')
In [31]: idx.str.rstrip()
Out[31]: Index([' jack', 'jill', ' jesse', 'frank'], dtype='object')
索引上的字符串方法特别适用于清理或转换 DataFrame 列。例如，您可能有带有前导或尾随空格的列：
In [32]: df = pd.DataFrame(
....: np.random.randn(3, 2), columns=[" Column A ", " Column B "], index=range(3)
....: )
....:
In [33]: df
Out[33]:
Column A Column B
0 0.469112 -0.282863
1 -1.509059 -1.135632
2 1.212112 -0.173215
由于df.columns是一个 Index 对象，我们可以使用.str访问器
In [34]: df.columns.str.strip()
Out[34]: Index(['Column A', 'Column B'], dtype='object')
In [35]: df.columns.str.lower()
Out[35]: Index([' column a ', ' column b '], dtype='object')
然后可以使用这些字符串方法根据需要清理列。在这里，我们删除前导和尾随空格，将所有���称转换为小写，并用下划线替换任何剩余的空格：
In [36]: df.columns = df.columns.str.strip().str.lower().str.replace(" ", "_")
In [37]: df
Out[37]:
column_a column_b
0 0.469112 -0.282863
1 -1.509059 -1.135632
2 1.212112 -0.173215
注意
如果您有一个Series，其中有很多重复的元素（即Series中唯一元素的数量远小于Series的长度），将原始Series转换为category类型，然后在其上使用.str.<method>或.dt.<property>可能会更快。性能差异在于，对于category类型的Series，字符串操作是在.categories上而不是在Series的每个元素上进行的。
请注意，具有字符串.categories的category类型的Series与字符串类型的Series相比存在一些限制（例如，如果s是category类型的Series，则无法将字符串添加到彼此：s + " " + s不起作用）。此外，对list类型元素进行操作的.str方法在此类Series上不可用。
警告
系列的类型是推断的，允许的类型为（即字符串）。
一般来说，.str访问器仅用于处理字符串。除了极少数例外情况外，不支持其他用途，并且可能在以后被禁用。
拆分和替换字符串
像split这样的方法会返回一个列表的 Series：
In [38]: s2 = pd.Series(["a_b_c", "c_d_e", np.nan, "f_g_h"], dtype="string")
In [39]: s2.str.split("_")
Out[39]:
0 [a, b, c]
1 [c, d, e]
2 <NA>
3 [f, g, h]
dtype: object
可以使用get或[]表示法访问拆分列表中的元素：
In [40]: s2.str.split("_").str.get(1)
Out[40]:
0 b
1 d
2 <NA>
3 g
dtype: object
In [41]: s2.str.split("_").str[1]
Out[41]:
0 b
1 d
2 <NA>
3 g
dtype: object
使用expand很容易扩展到返回 DataFrame。
In [42]: s2.str.split("_", expand=True)
Out[42]:
0 1 2
0 a b c
1 c d e
2 <NA> <NA> <NA>
3 f g h
当原始Series具有StringDtype时，输出列也将全部是StringDtype。
也可以限制拆分的数量：
In [43]: s2.str.split("_", expand=True, n=1)
Out[43]:
0 1
0 a b_c
1 c d_e
2 <NA> <NA>
3 f g_h
rsplit类似于split，只是它是从字符串的末尾到字符串的开头的方向工作：
In [44]: s2.str.rsplit("_", expand=True, n=1)
Out[44]:
0 1
0 a_b c
1 c_d e
2 <NA> <NA>
3 f_g h
replace可选使用正则表达式：
In [45]: s3 = pd.Series(
....: ["A", "B", "C", "Aaba", "Baca", "", np.nan, "CABA", "dog", "cat"],
....: dtype="string",
....: )
....:
In [46]: s3
Out[46]:
0 A
1 B
2 C
3 Aaba
4 Baca
5
6 <NA>
7 CABA
8 dog
9 cat
dtype: string
In [47]: s3.str.replace("^.a|dog", "XX-XX ", case=False, regex=True)
Out[47]:
0 A
1 B
2 C
3 XX-XX ba
4 XX-XX ca
5
6 <NA>
7 XX-XX BA
8 XX-XX
9 XX-XX t
dtype: string
版本 2.0���的更改。
使用regex=True的单个字符模式也将被视为正则表达式：
In [48]: s4 = pd.Series(["a.b", ".", "b", np.nan, ""], dtype="string")
In [49]: s4
Out[49]:
0 a.b
1 .
2 b
3 <NA>
4
dtype: string
In [50]: s4.str.replace(".", "a", regex=True)
Out[50]:
0 aaa
1 a
2 a
3 <NA>
4
dtype: string
如果要对字符串进行字面替换（相当于str.replace()），可以将可选的regex参数设置为False，而不是转义每个字符。在这种情况下，pat和repl都必须是字符串：
In [51]: dollars = pd.Series(["12", "-$10", "$10,000"], dtype="string")
# These lines are equivalent
In [52]: dollars.str.replace(r"-\$", "-", regex=True)
Out[52]:
0 12
1 -10
2 $10,000
dtype: string
In [53]: dollars.str.replace("-$", "-", regex=False)
Out[53]:
0 12
1 -10
2 $10,000
dtype: string
replace方法还可以将可调用对象作为替换。它会使用re.sub()对每个pat进行调用。可调用对象应该期望一个位置参数（一个正则表达式对象）并返回一个字符串。
# Reverse every lowercase alphabetic word
In [54]: pat = r"[a-z]+"
In [55]: def repl(m):
....: return m.group(0)[::-1]
....:
In [56]: pd.Series(["foo 123", "bar baz", np.nan], dtype="string").str.replace(
....: pat, repl, regex=True
....: )
....:
Out[56]:
0 oof 123
1 rab zab
2 <NA>
dtype: string
# Using regex groups
In [57]: pat = r"(?P<one>\w+) (?P<two>\w+) (?P<three>\w+)"
In [58]: def repl(m):
....: return m.group("two").swapcase()
....:
In [59]: pd.Series(["Foo Bar Baz", np.nan], dtype="string").str.replace(
....: pat, repl, regex=True
....: )
....:
Out[59]:
0 bAR
1 <NA>
dtype: string
replace方法还接受从re.compile()编译的正则表达式对象作为模式。所有标志应包含在编译的正则表达式对象中。
In [60]: import re
In [61]: regex_pat = re.compile(r"^.a|dog", flags=re.IGNORECASE)
In [62]: s3.str.replace(regex_pat, "XX-XX ", regex=True)
Out[62]:
0 A
1 B
2 C
3 XX-XX ba
4 XX-XX ca
5
6 <NA>
7 XX-XX BA
8 XX-XX
9 XX-XX t
dtype: string
在使用编译的正则表达式对象调用replace时包含flags参数将引发ValueError。
In [63]: s3.str.replace(regex_pat, 'XX-XX ', flags=re.IGNORECASE)
---------------------------------------------------------------------------
ValueError: case and flags cannot be set when pat is a compiled regex
removeprefix和removesuffix与 Python 3.9 中添加的str.removeprefix和str.removesuffix具有相同的效果 <docs.python.org/3/library/stdtypes.html#str.removeprefix>`__：
版本 1.4.0 中的新功能。
In [64]: s = pd.Series(["str_foo", "str_bar", "no_prefix"])
In [65]: s.str.removeprefix("str_")
Out[65]:
0 foo
1 bar
2 no_prefix
dtype: object
In [66]: s = pd.Series(["foo_str", "bar_str", "no_suffix"])
In [67]: s.str.removesuffix("_str")
Out[67]:
0 foo
1 bar
2 no_suffix
dtype: object
连接
有几种方法可以连接Series或Index，无论是与自身还是其他对象，都基于cat()或Index.str.cat。
将单个 Series 连接成字符串
可以连接Series（或Index）的内容：
In [68]: s = pd.Series(["a", "b", "c", "d"], dtype="string")
In [69]: s.str.cat(sep=",")
Out[69]: 'a,b,c,d'
如果未指定，分隔符的关键字sep默认为空字符串，sep=''：
In [70]: s.str.cat()
Out[70]: 'abcd'
默认情况下，缺失值会被忽略。使用na_rep，它们可以被赋予一个表示：
In [71]: t = pd.Series(["a", "b", np.nan, "d"], dtype="string")
In [72]: t.str.cat(sep=",")
Out[72]: 'a,b,d'
In [73]: t.str.cat(sep=",", na_rep="-")
Out[73]: 'a,b,-,d'
将 Series 和类似列表的内容连接成 Series
cat()的第一个参数可以是类似列表的对象，只要它与调用的Series（或Index）的长度匹配。
In [74]: s.str.cat(["A", "B", "C", "D"])
Out[74]:
0 aA
1 bB
2 cC
3 dD
dtype: string
任一侧的缺失值也会导致结果中的缺失值，除非指定了na_rep：
In [75]: s.str.cat(t)
Out[75]:
0 aa
1 bb
2 <NA>
3 dd
dtype: string
In [76]: s.str.cat(t, na_rep="-")
Out[76]:
0 aa
1 bb
2 c-
3 dd
dtype: string
将 Series 和类似数组的内容连接成 Series
参数others也可以是二维的。在这种情况下，行数必须与调用的Series（或Index）的长度匹配。
In [77]: d = pd.concat([t, s], axis=1)
In [78]: s
Out[78]:
0 a
1 b
2 c
3 d
dtype: string
In [79]: d
Out[79]:
0 1
0 a a
1 b b
2 <NA> c
3 d d
In [80]: s.str.cat(d, na_rep="-")
Out[80]:
0 aaa
1 bbb
2 c-c
3 ddd
dtype: string
将 Series 和索引对象连接成 Series，进行对齐
对于与Series或DataFrame连接，可以通过设置join关键字来在连接之前对齐索引。
In [81]: u = pd.Series(["b", "d", "a", "c"], index=[1, 3, 0, 2], dtype="string")
In [82]: s
Out[82]:
0 a
1 b
2 c
3 d
dtype: string
In [83]: u
Out[83]:
1 b
3 d
0 a
2 c
dtype: string
In [84]: s.str.cat(u)
Out[84]:
0 aa
1 bb
2 cc
3 dd
dtype: string
In [85]: s.str.cat(u, join="left")
Out[85]:
0 aa
1 bb
2 cc
3 dd
dtype: string
对于join的常见选项（其中之一为'left', 'outer', 'inner', 'right'）都是可用的。特别是，对齐也意味着不同长度不再需要一致。
In [86]: v = pd.Series(["z", "a", "b", "d", "e"], index=[-1, 0, 1, 3, 4], dtype="string")
In [87]: s
Out[87]:
0 a
1 b
2 c
3 d
dtype: string
In [88]: v
Out[88]:
-1 z
0 a
1 b
3 d
4 e
dtype: string
In [89]: s.str.cat(v, join="left", na_rep="-")
Out[89]:
0 aa
1 bb
2 c-
3 dd
dtype: string
In [90]: s.str.cat(v, join="outer", na_rep="-")
Out[90]:
-1 -z
0 aa
1 bb
2 c-
3 dd
4 -e
dtype: string
当others是一个DataFrame时，可以使用相同的对齐方式：
In [91]: f = d.loc[[3, 2, 1, 0], :]
In [92]: s
Out[92]:
0 a
1 b
2 c
3 d
dtype: string
In [93]: f
Out[93]:
0 1
3 d d
2 <NA> c
1 b b
0 a a
In [94]: s.str.cat(f, join="left", na_rep="-")
Out[94]:
0 aaa
1 bbb
2 c-c
3 ddd
dtype: string
将一个 Series 和多个对象连接成一个 Series
几个类似数组的项目（具体来说：Series，Index和np.ndarray的一维变体）可以组合在一个类似列表的容器中（包括迭代器，dict视图等）。
In [95]: s
Out[95]:
0 a
1 b
2 c
3 d
dtype: string
In [96]: u
Out[96]:
1 b
3 d
0 a
2 c
dtype: string
In [97]: s.str.cat([u, u.to_numpy()], join="left")
Out[97]:
0 aab
1 bbd
2 cca
3 ddc
dtype: string
传递的类似列表中没有索引的所有元素（例如np.ndarray）必须与调用的Series（或Index）的长度匹配，但Series和Index的长度可以是任意的（只要不使用join=None禁用对齐）：
In [98]: v
Out[98]:
-1 z
0 a
1 b
3 d
4 e
dtype: string
In [99]: s.str.cat([v, u, u.to_numpy()], join="outer", na_rep="-")
Out[99]:
-1 -z--
0 aaab
1 bbbd
2 c-ca
3 dddc
4 -e--
dtype: string
如果在包含不同索引的others列表上使用join='right'，则这些索引的并集将被用作最终连接的基础：
In [100]: u.loc[[3]]
Out[100]:
3 d
dtype: string
In [101]: v.loc[[-1, 0]]
Out[101]:
-1 z
0 a
dtype: string
In [102]: s.str.cat([u.loc[[3]], v.loc[[-1, 0]]], join="right", na_rep="-")
Out[102]:
3 dd-
-1 --z
0 a-a
dtype: string
将一个单独的 Series 连接成一个字符串
可以连接Series（或Index）的内容：
In [68]: s = pd.Series(["a", "b", "c", "d"], dtype="string")
In [69]: s.str.cat(sep=",")
Out[69]: 'a,b,c,d'
如果未指定，分隔符的关键字sep默认为空字符串，sep=''：
In [70]: s.str.cat()
Out[70]: 'abcd'
默认情况下，缺失值会被忽略。使用na_rep，它们可以被赋予一个表示：
In [71]: t = pd.Series(["a", "b", np.nan, "d"], dtype="string")
In [72]: t.str.cat(sep=",")
Out[72]: 'a,b,d'
In [73]: t.str.cat(sep=",", na_rep="-")
Out[73]: 'a,b,-,d'
将一个 Series 和类似列表的东西连接成一个 Series
cat()的第一个参数可以是一个类似列表的对象，只要它与调用的Series（或Index）的长度匹配即可。
In [74]: s.str.cat(["A", "B", "C", "D"])
Out[74]:
0 aA
1 bB
2 cC
3 dD
dtype: string
任一侧的缺失值也会导致结果中的缺失值，除非指定了na_rep：
In [75]: s.str.cat(t)
Out[75]:
0 aa
1 bb
2 <NA>
3 dd
dtype: string
In [76]: s.str.cat(t, na_rep="-")
Out[76]:
0 aa
1 bb
2 c-
3 dd
dtype: string
将一个 Series 和类似数组的东西连接成一个 Series
参数others也可以是二维的。在这种情况下，行数必须与调用的Series（或Index）的长度相匹配。
In [77]: d = pd.concat([t, s], axis=1)
In [78]: s
Out[78]:
0 a
1 b
2 c
3 d
dtype: string
In [79]: d
Out[79]:
0 1
0 a a
1 b b
2 <NA> c
3 d d
In [80]: s.str.cat(d, na_rep="-")
Out[80]:
0 aaa
1 bbb
2 c-c
3 ddd
dtype: string
将一个 Series 和一个带索引的对象连接成一个 Series，带有对齐
对于与Series或DataFrame连接，可以通过设置join关键字来在连接之前对齐索引。
In [81]: u = pd.Series(["b", "d", "a", "c"], index=[1, 3, 0, 2], dtype="string")
In [82]: s
Out[82]:
0 a
1 b
2 c
3 d
dtype: string
In [83]: u
Out[83]:
1 b
3 d
0 a
2 c
dtype: string
In [84]: s.str.cat(u)
Out[84]:
0 aa
1 bb
2 cc
3 dd
dtype: string
In [85]: s.str.cat(u, join="left")
Out[85]:
0 aa
1 bb
2 cc
3 dd
dtype: string
对于join的常见选项（其中之一为'left', 'outer', 'inner', 'right'）都是可用的。特别是，对齐也意味着不同长度不再需要一致。
In [86]: v = pd.Series(["z", "a", "b", "d", "e"], index=[-1, 0, 1, 3, 4], dtype="string")
In [87]: s
Out[87]:
0 a
1 b
2 c
3 d
dtype: string
In [88]: v
Out[88]:
-1 z
0 a
1 b
3 d
4 e
dtype: string
In [89]: s.str.cat(v, join="left", na_rep="-")
Out[89]:
0 aa
1 bb
2 c-
3 dd
dtype: string
In [90]: s.str.cat(v, join="outer", na_rep="-")
Out[90]:
-1 -z
0 aa
1 bb
2 c-
3 dd
4 -e
dtype: string
当others是一个DataFrame时，可以使用相同的对齐方式：
In [91]: f = d.loc[[3, 2, 1, 0], :]
In [92]: s
Out[92]:
0 a
1 b
2 c
3 d
dtype: string
In [93]: f
Out[93]:
0 1
3 d d
2 <NA> c
1 b b
0 a a
In [94]: s.str.cat(f, join="left", na_rep="-")
Out[94]:
0 aaa
1 bbb
2 c-c
3 ddd
dtype: string
将一个 Series 和多个对象连接成一个 Series
几个类似数组的项目（具体来说：Series，Index和np.ndarray的一维变体）可以组合在一个类似列表的容器中（包括迭代器，dict视图等）。
In [95]: s
Out[95]:
0 a
1 b
2 c
3 d
dtype: string
In [96]: u
Out[96]:
1 b
3 d
0 a
2 c
dtype: string
In [97]: s.str.cat([u, u.to_numpy()], join="left")
Out[97]:
0 aab
1 bbd
2 cca
3 ddc
dtype: string
传递的类似列表中没有索引的所有元素（例如np.ndarray）必须与调用的Series（或Index）的长度匹配，但Series和Index的长度可以是任意的（只要不使用join=None禁用对齐）：
In [98]: v
Out[98]:
-1 z
0 a
1 b
3 d
4 e
dtype: string
In [99]: s.str.cat([v, u, u.to_numpy()], join="outer", na_rep="-")
Out[99]:
-1 -z--
0 aaab
1 bbbd
2 c-ca
3 dddc
4 -e--
dtype: string
如果在包含不同索引的others列表上使用join='right'，则这些索引的并集将被用作最终连接的基础：
In [100]: u.loc[[3]]
Out[100]:
3 d
dtype: string
In [101]: v.loc[[-1, 0]]
Out[101]:
-1 z
0 a
dtype: string
In [102]: s.str.cat([u.loc[[3]], v.loc[[-1, 0]]], join="right", na_rep="-")
Out[102]:
3 dd-
-1 --z
0 a-a
dtype: string
使用.str进行索引
您可以使用 [] 符号直接按位置索引。如果索引超出字符串的末尾，结果将是一个 NaN。
In [103]: s = pd.Series(
.....: ["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"], dtype="string"
.....: )
.....:
In [104]: s.str[0]
Out[104]:
0 A
1 B
2 C
3 A
4 B
5 <NA>
6 C
7 d
8 c
dtype: string
In [105]: s.str[1]
Out[105]:
0 <NA>
1 <NA>
2 <NA>
3 a
4 a
5 <NA>
6 A
7 o
8 a
dtype: string
提取子字符串
提取每个主题中的第一个匹配项（extract）
extract 方法接受至少一个捕获组的 正则表达式。
提取具有多个组的正则表达式将返回一个每组一列的 DataFrame。
In [106]: pd.Series(
.....: ["a1", "b2", "c3"],
.....: dtype="string",
.....: ).str.extract(r"([ab])(\d)", expand=False)
.....:
Out[106]:
0 1
0 a 1
1 b 2
2 <NA> <NA>
不匹配的元素返回一个填充有 NaN 的行。因此，一系列混乱的字符串可以“转换”为一个具有相同索引的已清理或更有用的字符串的 Series 或 DataFrame，而无需使用 get() 访问元组或 re.match 对象。结果的 dtype 始终为 object，即使未找到匹配项，结果仅包含 NaN。
命名组如
In [107]: pd.Series(["a1", "b2", "c3"], dtype="string").str.extract(
.....: r"(?P<letter>[ab])(?P<digit>\d)", expand=False
.....: )
.....:
Out[107]:
letter digit
0 a 1
1 b 2
2 <NA> <NA>
和可选组
In [108]: pd.Series(
.....: ["a1", "b2", "3"],
.....: dtype="string",
.....: ).str.extract(r"([ab])?(\d)", expand=False)
.....:
Out[108]:
0 1
0 a 1
1 b 2
2 <NA> 3
也可以使用。请注意，正则表达式中的任何捕获组名称将用于列名；否则将使用捕获组编号。
提取具有一个组的正则表达式将返回一个列的 DataFrame，如果 expand=True。
In [109]: pd.Series(["a1", "b2", "c3"], dtype="string").str.extract(r"ab", expand=True)
Out[109]:
0
0 1
1 2
2 <NA>
如果 expand=False，则返回一个 Series。
In [110]: pd.Series(["a1", "b2", "c3"], dtype="string").str.extract(r"ab", expand=False)
Out[110]:
0 1
1 2
2 <NA>
dtype: string
对具有正好一个捕获组的正则表达式的 Index 调用，如果 expand=True，则返回一个列。
In [111]: s = pd.Series(["a1", "b2", "c3"], ["A11", "B22", "C33"], dtype="string")
In [112]: s
Out[112]:
A11 a1
B22 b2
C33 c3
dtype: string
In [113]: s.index.str.extract("(?P<letter>[a-zA-Z])", expand=True)
Out[113]:
letter
0 A
1 B
2 C
如果 expand=False，则返回一个 Index。
In [114]: s.index.str.extract("(?P<letter>[a-zA-Z])", expand=False)
Out[114]: Index(['A', 'B', 'C'], dtype='object', name='letter')
对具有多个捕获组的正则表达式的 Index 调用，如果 expand=True，则返回一个 DataFrame。
In [115]: s.index.str.extract("(?P<letter>[a-zA-Z])([0-9]+)", expand=True)
Out[115]:
letter 1
0 A 11
1 B 22
2 C 33
如果 expand=False，则引发 ValueError。
In [116]: s.index.str.extract("(?P<letter>[a-zA-Z])([0-9]+)", expand=False)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
Cell In[116], line 1
----> 1 s.index.str.extract("(?P<letter>[a-zA-Z])([0-9]+)", expand=False)
File ~/work/pandas/pandas/pandas/core/strings/accessor.py:137, in forbid_nonstring_types.<locals>._forbid_nonstring_types.<locals>.wrapper(self, *args, **kwargs)
132 msg = (
133 f"Cannot use .str.{func_name} with values of "
134 f"inferred dtype '{self._inferred_dtype}'."
135 )
136 raise TypeError(msg)
--> 137 return func(self, *args, **kwargs)
File ~/work/pandas/pandas/pandas/core/strings/accessor.py:2743, in StringMethods.extract(self, pat, flags, expand)
2740 raise ValueError("pattern contains no capture groups")
2742 if not expand and regex.groups > 1 and isinstance(self._data, ABCIndex):
-> 2743 raise ValueError("only one regex group is supported with Index")
2745 obj = self._data
2746 result_dtype = _result_dtype(obj)
ValueError: only one regex group is supported with Index
下表总结了 extract(expand=False) 的行为（输入主题在第一列，正则表达式中的组数在第一行）
| 1 组 | >1 组 | |
|---|---|---|
| Index | Index | ValueError |
| Series | Series | DataFrame |
提取每个主题中的所有匹配项（extractall）
与仅返回第一个匹配项的 extract 不同，
In [117]: s = pd.Series(["a1a2", "b1", "c1"], index=["A", "B", "C"], dtype="string")
In [118]: s
Out[118]:
A a1a2
B b1
C c1
dtype: string
In [119]: two_groups = "(?P<letter>[a-z])(?P<digit>[0-9])"
In [120]: s.str.extract(two_groups, expand=True)
Out[120]:
letter digit
A a 1
B b 1
C c 1
extractall 方法返回每个匹配项。extractall 的结果始终是一个具有行上的 MultiIndex 的 DataFrame。MultiIndex 的最后一级命名为 match，表示主题中的顺序。
In [121]: s.str.extractall(two_groups)
Out[121]:
letter digit
match
A 0 a 1
1 a 2
B 0 b 1
C 0 c 1
当 Series 中的每个主题字符串恰好有一个匹配项时，
In [122]: s = pd.Series(["a3", "b3", "c2"], dtype="string")
In [123]: s
Out[123]:
0 a3
1 b3
2 c2
dtype: string
然后 extractall(pat).xs(0, level='match') 给出与 extract(pat) 相同的结果。
In [124]: extract_result = s.str.extract(two_groups, expand=True)
In [125]: extract_result
Out[125]:
letter digit
0 a 3
1 b 3
2 c 2
In [126]: extractall_result = s.str.extractall(two_groups)
In [127]: extractall_result
Out[127]:
letter digit
match
0 0 a 3
1 0 b 3
2 0 c 2
In [128]: extractall_result.xs(0, level="match")
Out[128]:
letter digit
0 a 3
1 b 3
2 c 2
Index 还支持 .str.extractall。它返回一个 DataFrame，其结果与具有默认索引（从 0 开始）的 Series.str.extractall 相同。
In [129]: pd.Index(["a1a2", "b1", "c1"]).str.extractall(two_groups)
Out[129]:
letter digit
match
0 0 a 1
1 a 2
1 0 b 1
2 0 c 1
In [130]: pd.Series(["a1a2", "b1", "c1"], dtype="string").str.extractall(two_groups)
Out[130]:
letter digit
match
0 0 a 1
1 a 2
1 0 b 1
2 0 c 1
提取每个主题中的第一个匹配项（extract）
extract 方法接受至少一个捕获组的 正则表达式。
提取具有多个组的正则表达式将返回一个每组一列的 DataFrame。
In [106]: pd.Series(
.....: ["a1", "b2", "c3"],
.....: dtype="string",
.....: ).str.extract(r"([ab])(\d)", expand=False)
.....:
Out[106]:
0 1
0 a 1
1 b 2
2 <NA> <NA>
不匹配的元素返回一个填充有 NaN 的行。因此，一系列混乱的字符串可以“转换”为一个具有相同索引的已清理或更有用的字符串的 Series 或 DataFrame，而无需使用 get() 访问元组或 re.match 对象。结果的 dtype 始终为 object，即使未找到匹配项，结果仅包含 NaN。
命名组如
In [107]: pd.Series(["a1", "b2", "c3"], dtype="string").str.extract(
.....: r"(?P<letter>[ab])(?P<digit>\d)", expand=False
.....: )
.....:
Out[107]:
letter digit
0 a 1
1 b 2
2 <NA> <NA>
和可选���
In [108]: pd.Series(
.....: ["a1", "b2", "3"],
.....: dtype="string",
.....: ).str.extract(r"([ab])?(\d)", expand=False)
.....:
Out[108]:
0 1
0 a 1
1 b 2
2 <NA> 3
也可以使用。请注意，正则表达式中的任何捕获组名称将用于列名；否则将使用捕获组编号。
使用一个组提取正则表达式，如果expand=True，则返回一个列的DataFrame。
In [109]: pd.Series(["a1", "b2", "c3"], dtype="string").str.extract(r"ab", expand=True)
Out[109]:
0
0 1
1 2
2 <NA>
如果expand=False，则返回一个 Series。
In [110]: pd.Series(["a1", "b2", "c3"], dtype="string").str.extract(r"ab", expand=False)
Out[110]:
0 1
1 2
2 <NA>
dtype: string
对具有正好一个捕获组的正则表达式调用Index，如果expand=True，则返回一个列的DataFrame。
In [111]: s = pd.Series(["a1", "b2", "c3"], ["A11", "B22", "C33"], dtype="string")
In [112]: s
Out[112]:
A11 a1
B22 b2
C33 c3
dtype: string
In [113]: s.index.str.extract("(?P<letter>[a-zA-Z])", expand=True)
Out[113]:
letter
0 A
1 B
2 C
如果expand=False，则返回一个Index。
In [114]: s.index.str.extract("(?P<letter>[a-zA-Z])", expand=False)
Out[114]: Index(['A', 'B', 'C'], dtype='object', name='letter')
对具有多个捕获组的正则表达式调用Index，如果expand=True，则返回一个DataFrame。
In [115]: s.index.str.extract("(?P<letter>[a-zA-Z])([0-9]+)", expand=True)
Out[115]:
letter 1
0 A 11
1 B 22
2 C 33
如果expand=False，则会引发ValueError。
In [116]: s.index.str.extract("(?P<letter>[a-zA-Z])([0-9]+)", expand=False)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
Cell In[116], line 1
----> 1 s.index.str.extract("(?P<letter>[a-zA-Z])([0-9]+)", expand=False)
File ~/work/pandas/pandas/pandas/core/strings/accessor.py:137, in forbid_nonstring_types.<locals>._forbid_nonstring_types.<locals>.wrapper(self, *args, **kwargs)
132 msg = (
133 f"Cannot use .str.{func_name} with values of "
134 f"inferred dtype '{self._inferred_dtype}'."
135 )
136 raise TypeError(msg)
--> 137 return func(self, *args, **kwargs)
File ~/work/pandas/pandas/pandas/core/strings/accessor.py:2743, in StringMethods.extract(self, pat, flags, expand)
2740 raise ValueError("pattern contains no capture groups")
2742 if not expand and regex.groups > 1 and isinstance(self._data, ABCIndex):
-> 2743 raise ValueError("only one regex group is supported with Index")
2745 obj = self._data
2746 result_dtype = _result_dtype(obj)
ValueError: only one regex group is supported with Index
下表总结了extract(expand=False)的行为（第一列为输入主题，第一行为正则表达式中的组数）
| 1 组 | >1 组 | |
|---|---|---|
| Index | Index | ValueError |
| Series | Series | DataFrame |
提取每个主题中的所有匹配（extractall）
与仅返回第一个匹配的extract不同，
In [117]: s = pd.Series(["a1a2", "b1", "c1"], index=["A", "B", "C"], dtype="string")
In [118]: s
Out[118]:
A a1a2
B b1
C c1
dtype: string
In [119]: two_groups = "(?P<letter>[a-z])(?P<digit>[0-9])"
In [120]: s.str.extract(two_groups, expand=True)
Out[120]:
letter digit
A a 1
B b 1
C c 1
extractall方法返回每个匹配。extractall的结果始终是具有其行上的MultiIndex的DataFrame。MultiIndex的最后一级命名为match，表示主题中的顺序。
In [121]: s.str.extractall(two_groups)
Out[121]:
letter digit
match
A 0 a 1
1 a 2
B 0 b 1
C 0 c 1
当 Series 中的每个主题字符串正好有一个匹配时，
In [122]: s = pd.Series(["a3", "b3", "c2"], dtype="string")
In [123]: s
Out[123]:
0 a3
1 b3
2 c2
dtype: string
然后extractall(pat).xs(0, level='match')给出���extract(pat)相同的结果。
In [124]: extract_result = s.str.extract(two_groups, expand=True)
In [125]: extract_result
Out[125]:
letter digit
0 a 3
1 b 3
2 c 2
In [126]: extractall_result = s.str.extractall(two_groups)
In [127]: extractall_result
Out[127]:
letter digit
match
0 0 a 3
1 0 b 3
2 0 c 2
In [128]: extractall_result.xs(0, level="match")
Out[128]:
letter digit
0 a 3
1 b 3
2 c 2
Index也支持.str.extractall。它返回一个DataFrame，其结果与具有默认索引（从 0 开始）的Series.str.extractall相同。
In [129]: pd.Index(["a1a2", "b1", "c1"]).str.extractall(two_groups)
Out[129]:
letter digit
match
0 0 a 1
1 a 2
1 0 b 1
2 0 c 1
In [130]: pd.Series(["a1a2", "b1", "c1"], dtype="string").str.extractall(two_groups)
Out[130]:
letter digit
match
0 0 a 1
1 a 2
1 0 b 1
2 0 c 1
测试匹配或包含模式的字符串
您可以检查元素是否包含模式：
In [131]: pattern = r"[0-9][a-z]"
In [132]: pd.Series(
.....: ["1", "2", "3a", "3b", "03c", "4dx"],
.....: dtype="string",
.....: ).str.contains(pattern)
.....:
Out[132]:
0 False
1 False
2 True
3 True
4 True
5 True
dtype: boolean
或者元素是否匹配模式：
In [133]: pd.Series(
.....: ["1", "2", "3a", "3b", "03c", "4dx"],
.....: dtype="string",
.....: ).str.match(pattern)
.....:
Out[133]:
0 False
1 False
2 True
3 True
4 False
5 True
dtype: boolean
In [134]: pd.Series(
.....: ["1", "2", "3a", "3b", "03c", "4dx"],
.....: dtype="string",
.....: ).str.fullmatch(pattern)
.....:
Out[134]:
0 False
1 False
2 True
3 True
4 False
5 False
dtype: boolean
注意
match、fullmatch和contains之间的区别是严格性：fullmatch测试整个字符串是否与正则表达式匹配；match测试字符串的第一个字符是否有正则表达式的匹配；contains测试字符串中是否有正则表达式的匹配。
这三种匹配模式的re包中对应的函数分别是re.fullmatch、re.match和re.search。
match、fullmatch、contains、startswith和endswith等方法接受额外的na参数，以便将缺失值视为 True 或 False：
In [135]: s4 = pd.Series(
.....: ["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"], dtype="string"
.....: )
.....:
In [136]: s4.str.contains("A", na=False)
Out[136]:
0 True
1 False
2 False
3 True
4 False
5 False
6 True
7 False
8 False
dtype: boolean
创建指示变量
您可以从字符串列中提取虚拟变量。例如，如果它们由'|'分隔：
In [137]: s = pd.Series(["a", "a|b", np.nan, "a|c"], dtype="string")
In [138]: s.str.get_dummies(sep="|")
Out[138]:
a b c
0 1 0 0
1 1 1 0
2 0 0 0
3 1 0 1
字符串Index也支持get_dummies，它返回一个MultiIndex。
In [139]: idx = pd.Index(["a", "a|b", np.nan, "a|c"])
In [140]: idx.str.get_dummies(sep="|")
Out[140]:
MultiIndex([(1, 0, 0),
(1, 1, 0),
(0, 0, 0),
(1, 0, 1)],
names=['a', 'b', 'c'])
查看get_dummies()。
方法摘要
| 方法 | 描述 |
|---|---|
cat() |
连接字符串 |
split() |
在分隔符上拆分字符串 |
rsplit() |
在字符串上的分隔符上工作，从字符串的末尾开始分割 |
get() |
索引到每个元素（检索第 i 个元素） |
join() |
使用传递的分隔符将 Series 中每个元素的字符串连接起来 |
get_dummies() |
在分隔符上拆分字符串，返回虚拟变量的 DataFrame |
contains() |
如果每个字符串包含模式/正则表达式，则返回布尔数组 |
replace() |
用其他字符串或可调用函数的返回值替换模式/正则表达式/字符串的出现 |
removeprefix() |
从字符串中删除前缀，即仅在字符串以前缀开头时才删除。 |
removesuffix() |
从字符串中删除后缀，即仅在字符串以后缀结尾时才删除。 |
repeat() |
复制值（s.str.repeat(3)等同于x * 3） |
pad() |
在字符串的左侧、右侧或两侧添加空格 |
center() |
等同于str.center |
ljust() |
等同于str.ljust |
rjust() |
等同于str.rjust |
zfill() |
等同于str.zfill |
wrap() |
将长字符串拆分为长度小于给定宽度的行 |
slice() |
切片 Series 中的每个字符串 |
slice_replace() |
用传递的值替换每个字符串中的切片 |
count() |
计算模式出现的次数 |
startswith() |
对每个元素等同于str.startswith(pat) |
endswith() |
对每个元素等同于str.endswith(pat) |
findall() |
计算每个字符串的模式/正则表达式的所有出现的列表 |
match() |
对每个元素调用re.match，返回匹配的组成列表 |
extract() |
对每个元素调用re.search，返回一个 DataFrame，每个元素一行，每个正则表达式捕获组一列 |
extractall() |
对每个元素调用re.findall，返回一个 DataFrame，每个匹配一行，每个正则表达式捕获组一列 |
len() |
计算字符串长度 |
strip() |
等同于str.strip |
rstrip() |
等同于str.rstrip |
lstrip() |
等同于str.lstrip |
partition() |
等同于str.partition |
rpartition() |
等同于str.rpartition |
lower() |
等同于str.lower |
casefold() |
等同于str.casefold |
upper() |
等同于str.upper |
find() |
等同于 str.find |
rfind() |
等同于 str.rfind |
index() |
等同于 str.index |
rindex() |
等同于 str.rindex |
capitalize() |
等同于 str.capitalize |
swapcase() |
等同于 str.swapcase |
normalize() |
返回 Unicode 正规形式。等同于 unicodedata.normalize |
translate() |
等同于 str.translate |
isalnum() |
等同于 str.isalnum |
isalpha() |
等同于 str.isalpha |
isdigit() |
等同于 str.isdigit |
isspace() |
等同于 str.isspace |
islower() |
等同于 str.islower |
isupper() |
等同于 str.isupper |
istitle() |
等同于 str.istitle |
isnumeric() |
等同于 str.isnumeric |
isdecimal() |
等同于 str.isdecimal |