文本数据
一、string类型的性质
（一）、 string与object的区别
string类型和object不同之处有三：
1.字符存取方法（string accessor methods，如str.count）会返回相应数据的Nullable类型，而object会随缺失值的存在而改变返回类型
2. 某些Series方法不能在string上使用，例如： Series.str.decode()，因为存储的是字符串而不是字节
3. string类型在缺失值存储或运算时，类型会广播为pd.NA，而不是浮点型np.nan¶
其余全部内容在当前版本下完全一致，但迎合Pandas的发展模式，我们仍然全部用string来操作字符串
（二）、 string类型的转换
如果将一个其他类型的容器直接转换string类型可能会出错，应该先转为str型object，然后在转为string类型
二、拆分与拼接
（一）、 str.split方法
1.分割符与str的位置元素选取
根据某一个元素分割，默认为空格这里需要注意split后的类型是object，因为现在Series中的元素已经不是string，而包含了list，且string类型只能含有字符串
对于str方法可以进行元素的选择，如果该单元格元素是列表，那么str[i]表示取出第i个元素，如果是单个元素，则先把元素转为列表在取出
2.其他参数
expand参数控制了是否将列拆开，n参数代表最多分割多少次
（二）、str.cat方法
1.不同对象的拼接模式¶
cat方法对于不同对象的作用结果并不相同，其中的对象包括：单列、双列、多列
（1） 对于单个Series而言，就是指所有的元素进行字符合并为一个字符串
其中可选sep分隔符参数，和缺失值替代字符na_rep参数
（2） 对于两个Series合并而言，是对应索引的元素进行合并，同样也有相应参数，需要注意的是两个缺失值会被同时替换
（3） 多列拼接可以分为表的拼接和多Series拼接
2.cat中的索引对齐¶
当前版本中，如果两边合并的索引不相同且未指定join参数，默认为左连接，设置join=‘left’
三、替换
广义上的替换，就是指str.replace函数的应用，fillna是针对缺失值的替换，上一章已经提及
提到替换
（一）、 str.replace的常见用法
第一个值写r开头的正则表达式，后一个写替换的字符串
（二）、 子组与函数替换
通过正整数调用子组（0返回字符本身，从1开始才是子组）
利用?P<…>表达式可以对子组命名调用
（三）、 关于str.replace的注意事项
首先，要明确str.replace和replace并不是一个东西：
str.replace针对的是object类型或string类型，默认是以正则表达式为操作，目前暂时不支持DataFrame上使用¶
replace针对的是任意类型的序列或数据框，如果要以正则表达式替换，需要设置regex=True，该方法通过字典可支持多列替换
但现在由于string类型的初步引入，用法上出现了一些问题，这些issue有望在以后的版本中修复
1.str.replace赋值参数不得为pd.NA
这听上去非常不合理，例如对满足某些正则条件的字符串替换为缺失值，直接更改为缺失值在当下版本就会报错，此时，可以先转为object类型再转换回来
2.对于string类型Series，在使用replace函数时不能使用正则表达式替换
3.string类型序列如果存在缺失值，不能使用replace替换
综上，除非需要赋值元素为缺失值（转为object再转回来），否则请使用str.replace方法
四、子串匹配与提取
（一）、str.extract方法
1.常见用法
使用子组名作为列名
利用?正则标记选择部分提取
2.expand参数（默认为True）
对于一个子组的Series，如果expand设置为False，则返回Series，若大于一个子组，则expand参数无效，全部返回DataFrame
对于一个子组的Index，如果expand设置为False，则返回提取后的Index，若大于一个子组且expand为False，报错
（二）、str.extractall方法
与extract只匹配第一个符合条件的表达式不同，extractall会找出所有符合条件的字符串，并建立多级索引（即使只找到一个）
（三）、str.contains和str.match
前者的作用为检测是否包含某种正则模式
可选参数为na
str.match与其区别在于，match依赖于python的re.match，检测内容为是否从头开始包含该正则模式
五、常用字符串方法
（一）、过滤型方法
1.str.strip
常用于过滤空格
2.str.lower和str.upper
3.str.swapcase和str.capitalize
分别表示交换字母大小写和大写首字母
（二）、 isnumeric方法
检查每一位是否都是数字
pandas学习第二次打卡