章节导读
pandas 的文本处理核心是
.str访问器，它将 Python 字符串方法与正则表达式向量化，使整列字符串操作无需编写循环。本章从访问器机制出发，系统覆盖字符串的基础操作、查找判断、拆分连接、正则提取、类型转换与性能优化。
本章包含：
- 7.1 字符串访问器 .str – .str 访问器机制、适用类型与缺失值行为
- 7.2 字符串基础方法 – 大小写、空白处理、填充、长度、对齐
- 7.3 字符串查找、判断与替换 – contains / startswith / endswith / replace 等
- 7.4 字符串拆分与连接 – split / rsplit / cat / join 及列拼接
- 7.5 正则表达式处理 – extract / extractall / findall / count 等
- 7.6 文本转换与编码 – 文本与数值互转、编码与哑变量化
- 7.7 文本处理实践与性能优化 – 综合案例、向量化、内存优化与最佳实践
快速索引
.str 方法总览
| 类别 | 方法 |
|---|---|
| 大小写 | lower、upper、title、capitalize、swapcase、casefold |
| 空白处理 | strip、lstrip、rstrip |
| 填充对齐 | pad、center、zfill、ljust、rjust |
| 长度与计数 | len、count |
| 判断与搜索 | contains、startswith、endswith、match、fullmatch |
| 替换 | replace |
| 拆分 | split、rsplit、slice、get、slice_replace |
| 连接 | cat、join |
| 提取 | extract、extractall、findall |
| 格式化 | format |
| 编码 | encode、decode |
| 翻译 | translate |
工作流程建议
graph LR A[原始文本列] --> B[统一格式] B --> C[查找定位] C --> D[拆分结构] D --> E[提取目标字段] E --> F[类型转换] F --> G[分析与建模]
与 6.5 文本清洗的关系
| 章节 | 角度 |
|---|---|
| 6.5 文本清洗-2 | 面向数据清洗流程，解决脏数据问题（空格、缺失标记、统一格式） |
| 本章（七、文本处理） | 面向文本处理全体系，提供完整、系统化的字符串与正则方法 |
学习建议
- 若只需快速清理文本，可直接查阅 6.5 文本清洗-2
- 若需完整掌握字符串向量化操作、正则提取或文本转换，以本章为主线