文章目录
每篇前言一、Python字符串内置方法1. 文本查找2. 文本替换3. 文本拼接4. 正则提取 二、Pandas实现文本查找1. str.startswith(字符串)2. str.endswith(字符串)3. str.index(字符串, start=0, end=len(string))4. str.rindex(字符串, start=0, end=len(string))5. str.find(字符串, start=0, end=len(string))6. str.rfind(字符串, start=0, end=len(string))8. str.contains(字符串) 三、Panda实现文本替换1. str.replace(old_str, new_str)1）普通替换2）正则替换 四、Pandas实现文本拼接1. string.cat()1）默认拼接2）指定符号3）指定空值4）连接列表 五、Panda实现正则提取1. str.match()2. str.findall()3. str.extract() 重要！！！4. str.extractall() 六、Pandas实现文本虚拟变量1. str.get_dummies1）默认情况2）指定分隔符 书籍介绍
每篇前言
??作者介绍：Python领域优质创作者、华为云享专家、阿里云专家博主、2021年CSDN博客新星Top6 |
本文是上篇的补充，基础不会的小伙伴请看上文：100天精通Python（数据分析篇）——第71天：Pandas文本数据处理方法之str/object类型转换、大小写转换、文本对齐、获取长度、出现次数、编码
一、Python字符串内置方法
1. 文本查找
| 方法 | 说明 |
|---|---|
| string.startswith(str) | 检查字符串是否是以 str 开头，是则返回 True |
| string.endswith(str) | 检查字符串是否是以 str 结束，是则返回 True |
| string.index(str, start=0, end=len(string)) | 跟 find() 方法类似，不过如果 str 不在 string 会报错 |
| string.rindex(str, start=0, end=len(string)) | 类似于 index()，不过是从右边开始 |
| string.find(str, start=0, end=len(string)) | 检测 str 是否包含在 string 中，如果 start 和 end 指定范围，则检查是否包含在指定范围内，如果是返回开始的索引值，否则返回 -1 |
| string.rfind(str, start=0, end=len(string)) | 类似于 find()，不过是从右边开始查找 |
| string.contains(str) | 检测是否包含指定字符串，返回TRUE或者FALSE，常用于数据筛选中 |
2. 文本替换
| 方法 | 说明 |
|---|---|
| string.replace(old_str, new_str, num=string.count(old)) | 把 string 中的 old_str 替换成 new_str，如果 num 指定，则替换不超过 num 次 |
3. 文本拼接
| 方法 | 说明 |
|---|---|
| string.cat() | 将一个序列的内容进行拼接，默认情况下会忽略缺失值，我们亦可指定缺失值 |
4. 正则提取
| 方法 | 说明 |
|---|---|
| re.match() | 尝试从字符串的起始位置匹配一个模式 |
| re.findall() | 返回所有查询到的值 |
二、Pandas实现文本查找
| 方法 | 说明 |
|---|---|
| ser_obj.str.startswith(str) | 检查字符串是否是以 str 开头，是则返回 True |
| ser_obj.str.endswith(str) | 检查字符串是否是以 str 结束，是则返回 True |
| ser_obj.str.index(str, start=0, end=len(string)) | 跟 find() 方法类似，不过如果 str 不在 string 会报错 |
| ser_obj.str.rindex(str, start=0, end=len(string)) | 类似于 index()，不过是从右边开始 |
| ser_obj.str.find(str, start=0, end=len(string)) | 检测 str 是否包含在 string 中，如果 start 和 end 指定范围，则检查是否包含在指定范围内，如果是返回开始的索引值，否则返回 -1 |
| ser_obj.str.rfind(str, start=0, end=len(string)) | 类似于 find()，不过是从右边开始查找 |
| ser_obj.str.findall() | 返回查询到的值 |
| ser_obj.str.contains() | 检测是否包含指定字符串，返回TRUE或者FALSE，常用于数据筛选中 |
1. str.startswith(字符串)
检查字符串是否是以 某字符串 开头，是则返回 True。
import pandas as pdimport numpy as npdata = [1, 'A', 'Ab', 'a', 'ab', None, np.NaN]ser_obj = pd.Series(data)print(ser_obj)print(ser_obj.str.startswith('a')) # 是否以a开头运行结果：
2. str.endswith(字符串)
检查字符串是否是以 某字符串 结束，是则返回 True
import pandas as pdimport numpy as npdata = [1, 'A', 'Ab', 'a', 'ab', None, np.NaN]ser_obj = pd.Series(data)print(ser_obj)print(ser_obj.str.endswith('b')) # 是否以b结尾运行结果：
3. str.index(字符串, start=0, end=len(string))
跟 find() 方法类似，不过如果 字符串不在 string 会报错
import pandas as pdimport numpy as npdata = ['bc', 'Abc', 'ab','aaaab']ser_obj = pd.Series(data)print(ser_obj)print(ser_obj.str.index('b', start=0))运行结果：
4. str.rindex(字符串, start=0, end=len(string))
类似于 index()，不过是从右边开始
import pandas as pdimport numpy as npdata = ['bc', 'Abc', 'ab', 'aaaab']ser_obj = pd.Series(data)print(ser_obj)print(ser_obj.str.rindex('b'))运行结果，不知道还是和index一样：
5. str.find(字符串, start=0, end=len(string))
检测 某字符串 是否包含在 string 中，如果 start 和 end 指定范围，则检查是否包含在指定范围内，如果是返回开始的索引值，否则返回 -1
import pandas as pdimport numpy as npdata = [1, 'A', 'Abc', 'a', 'ab', None, np.NaN]ser_obj = pd.Series(data)print(ser_obj)print(ser_obj.str.find('b', start=0, end=len('abc'))) 运行结果：
6. str.rfind(字符串, start=0, end=len(string))
类似于 find()，不过是从右边开始查找
import pandas as pdimport numpy as npdata = [1, 'A', 'Abc', 'a', 'ab', None, np.NaN]ser_obj = pd.Series(data)print(ser_obj)print(ser_obj.str.rfind('b', start=0))运行结果：
8. str.contains(字符串)
检测是否包含指定字符串，返回TRUE或者FALSE，常用于数据筛选中
import pandas as pdimport numpy as npdata = ['abc', 'aac', ' a ', 'ccc', 'bbb', 1, np.NaN, None]ser_obj = pd.Series(data)print(ser_obj)print(ser_obj.str.contains('a'))运行结果：
三、Panda实现文本替换
1. str.replace(old_str, new_str)
把 string 中的 old_str 替换成 new_str
1）普通替换
import pandas as pdimport numpy as npdata = ['abc', 'aac', 'aaac', 'aaaab']ser_obj = pd.Series(data)print(ser_obj)print(ser_obj.str.replace('a', 'A')) # 把小a替换为大A运行结果：
2）正则替换
replace方法中还可以用正则语法，需要加上regex=True参数
import pandas as pdimport numpy as npdata = ['abc', 'aac', 'aaac', 'aaaab']ser_obj = pd.Series(data)print(ser_obj)print(ser_obj.str.replace('a|b|c', 'A', regex=True)) # 把全部替换为大A运行结果：
四、Pandas实现文本拼接
1. string.cat()
将一个序列的内容进行拼接，默认情况下会忽略缺失值，我们亦可指定缺失值
1）默认拼接
import pandas as pdimport numpy as npdata = ['abc', 'aac', ' a ', 'ccc', 'bbb', 1, np.NaN, None]ser_obj = pd.Series(data, dtype='string')print(ser_obj)print(ser_obj.str.cat())运行结果：
2）指定符号
设置 sep 参数指定符号进行拼接
import pandas as pdimport numpy as npdata = ['abc', 'aac', ' a ', 'ccc', 'bbb', 1, np.NaN, None]ser_obj = pd.Series(data, dtype='string')print(ser_obj)print(ser_obj.str.cat(sep='-'))运行结果：
3）指定空值
设置 na_rep 参数指定缺失值填充
import pandas as pdimport numpy as npdata = ['abc', 'aac', ' a ', 'ccc', 'bbb', 1, np.NaN, None]ser_obj = pd.Series(data, dtype='string')print(ser_obj)print(ser_obj.str.cat(na_rep='空值'))运行结果：
4）连接列表
连接一个序列和另一个等长的列表，默认情况下如果有缺失值，则会导致结果中也有缺失值，不过可以通过指定缺失值na_rep的情况进行处理
import pandas as pdimport numpy as npdata = ['abc', 'aac', ' a ', 'ccc', 'bbb', 1, np.NaN, None]ser_obj = pd.Series(data, dtype='string')print(ser_obj)print(ser_obj.str.cat(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'], na_rep='空值'))运行结果：
五、Panda实现正则提取
1. str.match()
尝试从字符串的起始位置匹配一个模式，返回TRUE或者FALSE
import pandas as pdimport numpy as npdata = ['abc', 'aac', ' a ', 'ccc', 'bbb', 1, np.NaN, None]ser_obj = pd.Series(data, dtype='string')print(ser_obj)print(ser_obj.str.match('^a')) # 匹配以a开头的内容运行结果：
2. str.findall()
返回所有查询到的值，返回的是一个列表
import pandas as pdimport numpy as npdata = ['abc', 'aac', 'aaac', 'aaaab']ser_obj = pd.Series(data)print(ser_obj)print(ser_obj.str.findall('[ab]')) # 匹配包含字母a或者b运行结果：
3. str.extract() 重要！！！
我们在日常中经常遇到需要提取某序列文本中特定的字符串，这个时候采用str.extract()方法就可以很好的进行处理，它是用正则表达式将文本中满足要求的数据提取出来形成单独的列。注意：仅返回匹配到的首个字符串！！！
0.23版本之前expand默认为FALSE：
当expand=Fasle时如果返回结果是一列则为Series，否则是Dataframe。当expand=True返回一个数据帧 import pandas as pdimport numpy as npdata = ['a1', 'b2', 'c3', 'c3c3', 1, np.NaN, None]ser_obj = pd.Series(data, dtype='string')print(ser_obj)print(ser_obj.str.extract('([a-z])(\d)')) # 用正则表达式将文本分为两部分，第一部分是字母a和b，第二部分匹配数字运行结果：
4. str.extractall()
与extracta()用法相似，区别是：
extracta：仅返回匹配到的首个字符串extractall：会提取全部匹配项，会将一个文本中所有符合规则的内容匹配出来，最后形成一个多层索引数据import pandas as pdimport numpy as npdata = ['a1', 'b2', 'c3', 'c3c3', 1, np.NaN, None]ser_obj = pd.Series(data, dtype='string')print(ser_obj)print(ser_obj.str.extractall('([a-z])(\d)')) # 用正则表达式将文本分为两部分，第一部分是字母a和b，第二部分匹配数字运行结果：
六、Pandas实现文本虚拟变量
get_dummies可以将一个列变量自动生成虚拟变量，这种方法在特征衍生中经常使用。
1. str.get_dummies
1）默认情况
import pandas as pdimport numpy as npdata = ['小明', '小红', '小张', '小白']ser_obj = pd.Series(data, dtype='string')print(ser_obj)print(ser_obj.str.get_dummies())运行结果：
2）指定分隔符
设置 sep 参数可以指定分隔符
import pandas as pdimport numpy as npdata = ["A", "A|B", "A|B|C", 1, np.nan, None]ser_obj = pd.Series(data, dtype='string')print(ser_obj)print(ser_obj.str.get_dummies(sep="|"))运行结果：第一行1ABC只有A，第二行有A和B，第三行都ABC都有，第四行有1，剩下的行数都没了
书籍介绍
《ZooKeeper+Dubbo 3分布式高性能RPC通信》
本教程详细介绍了ZooKeeper + Dubbo 3联合开发时的高频实战技能，包含ZooKeeper的数据模型、Watch观察者机制、服务器角色、领导选举、ZAB协议、ZooKeeper架构、节点类型、ZooKeeper运用场景、搭建单机和主从环境、常用的Command命令、ACL授权、配额等高频使用技术点。在Dubbo 3章节中详细介绍了单体/水平集群/垂直集群/SOA架构的发展历程、CAP理论、Dubbo特性、RPC原理、Dubbo中的五大核心组件、直连提供者、隐式参数、服务分组、多版本、启动时检查、令牌验证、超时和线程池大小、Nacos注册中心、服务提供者集群、集群容错、负载均衡等实用技能。
如果不想抽奖京东自营购买链接：https://item.jd.com/13465437.html