【进阶篇】高级数据清洗：Pandas中的文本处理与正则表达式

# 2.1 字符串操作函数

### 2.1.1 字符串拼接、分割和替换

Pandas 提供了丰富的字符串操作函数，用于处理文本数据。其中，字符串拼接、分割和替换是常用的操作。

* **字符串拼接：**使用 `str.cat()` 函数连接多个字符串，可以指定连接符。
* **字符串分割：**使用 `str.split()` 函数将字符串按指定分隔符分割为列表。
* **字符串替换：**使用 `str.replace()` 函数将字符串中的特定子字符串替换为另一个子字符串。

**代码示例：**

import pandas as pd

# 创建一个包含字符串的 Series
data = pd.Series(['Hello', 'World', 'Python'])

# 字符串拼接
print(data.str.cat(sep=' '))  # 输出：Hello World Python

# 字符串分割
print(data.str.split())  # 输出：[('Hello',), ('World',), ('Python',)]

# 字符串替换
print(data.str.replace('World', 'Universe'))  # 输出：['Hello', 'Universe', 'Python']

# 2. Pandas中的文本处理

### 2.1 字符串操作函数

#### 2.1.1 字符串拼接、分割和替换

**字符串拼接**

Pandas提供了`str.cat()`方法用于字符串拼接，它可以将多个字符串连接成一个新的字符串。

import pandas as pd

df = pd.DataFrame({'name': ['John', 'Mary', 'Bob'], 'age': [20, 25, 30]})

# 使用str.cat()方法拼接字符串
df['full_name'] = df['name'].str.cat(df['age'].astype(str), sep=' ')

print(df)

**输出：**

   name  age full_name
0  John   20  John 20
1  Mary   25  Mary 25
2   Bob   30   Bob 30

**字符串分割**

Pandas提供了`str.split()`方法用于字符串分割，它可以将字符串根据指定的分割符分割成一个列表。

# 使用str.split()方法分割字符串
df['name_split'] = df['name'].str.split(' ')

print(df)

**输出：**

   name  age full_name name_split
0  John   20  John 20       [John]
1  Mary   25  Mary 25       [Mary]
2   Bob   30   Bob 30        [Bob]

**字符串替换**

Pandas提供了`str.replace()`方法用于字符串替换，它可以将字符串中的指定子字符串替换为另一个子字符串。

# 使用str.replace()方法替换字符串
df['name_replaced'] = df['name'].str.replace('John', 'Jack')

print(df)

**输出：**

   name  age full_name name_split name_replaced
0  John   20  John 20       [John]        Jack
1  Mary   25  Mary 25       [Mary]        Mary
2   Bob   30   Bob 30        [Bob]        Bob

#### 2.1.2 字符串大小写转换和比较

**字符串大小写转换**

Pandas提供了`str.upper()`和`str.lower()`方法用于字符串大小写转换。

# 使用str.upper()方法将字符串转换为大写
df['name_upper'] = df['name'].str.upper()

# 使用str.lower()方法将字符串转换为小写
df['name_lower'] = df['name'].str.lower()

print(df)

**输出：**

   name  age full_name name_split name_replaced name_upper name_