str函式   2018/12/5

彙總52個str函式，本人經過全部測試，簡單的容易理解的沒寫例程，你可根據簡表進行測試；複雜難以理解的

都附加有例程，共有12個例程。簡表註釋內容根據測試結果編寫，而不是按簡單的翻譯，有時是難以理解的。

1.函式表

 2例項

text="this is string example!"
s=pd.Series(text.split())

# 0 this
# 1 is
# 2 string
# 3 example!
# dtype: object

# 例項1：index
s.str.index('s')#必須每個元素中都含有‘s',:否則異常  

# 例項2：translate字串對映表 

intab='aeiou'
outtab='12345'
trantab=str.maketrans(intab,outtab)
# {97: 49, 101: 50, 105: 51, 111: 52, 117: 53}

s.str.translate(trantab)
# 0 th3s
# 1 3s
# 2 str3ng
# 3 2x1mpl2!
# dtype: object  

# 例項3：

s.str.split('i')#拆分

# 0 [th, s]
# 1 [, s]
# 2 [str, ng]
# 3 [example!]
# dtype: object  

# 例項4：抽取匹配的字元串出來，注意要加上括號，把你需要抽取的東西標註上 

s.str.extract("([d-z])")#提取第一個匹配字元
# 0
# 0 t
# 1 i
# 2 s
# 3 e

# 例項5：
s.str.extractall("([d-z])")#提取所有匹配字元

#            0
#   match
# 0  0       t
#    1       h
#    2       i
#    3       s
# 1  0       i
#    1       s
# 2  0       s
#    1       t
#    2       r
#    3       i
#    4       n
#    5       g
# 3  0       e
#    1      x
#    2      m
#    3      p
#    4      l
#    5      e

# 例項6：unicodedata.normalize（form，unistr ）

# 返回Unicode字串unistr的普通表單表單。
# 表單的有效值為 “NFC”，“NFKC”，“NFD”和“NFKD”。

# 正規形式D（NFD）也稱為規範分解，並將每個字元轉換為其分解形式。
# 普通形式C（NFC）首先應用規範分解，然後再次組合預組合字元。
# 普通形式KD（NFKD）將應用相容性分解，即將所有相容性字元替換為其等效字元。
# 正常形式KC（NFKC）首先應用相容性分解，然後是規範組合物。

import unicodedata
unicodedata.normalize('NFD', '\u00C7').encode('utf-8')# 'Ç'
unicodedata.normalize('NFD', '\u0043') # 'C'
unicodedata.normalize('NFD', '\u0327') # '̧'
unicodedata.normalize('NFD', '\u0043\u0327') # 'Ç'

unicodedata.normalize('NFD', '\u00C7').encode('ascii','ignore')#b'C'
b1=unicodedata.normalize('NFD', '\u00C7').encode('ascii','ignore')
b1.decode()# 'C'

title = u"Klüft skräms inför på fédéral électoral große"
unicodedata.normalize('NFKD', title).encode('ascii','ignore')
# 'Kluft skrams infor pa federal electoral groe'  

# 例項7：

v=s.str.encode('utf-8')
# 0 b'this'
# 1 b'is'
# 2 b'string'
# 3 b'example!'
# dtype: object

v.str.decode('utf-8')
# 0 this
# 1 is
# 2 string
# 3 example!
# dtype: object

# 例項8：
s.str.findall("[a-z]")

# 0 [t, h, i, s]
# 1 [i, s]
# 2 [s, t, r, i, n, g]
# 3 [e, x, a, m, p, l, e]
# dtype: object  

# 例項9： 

s.str.match("[d-z]")
# 0 True
# 1 True
# 2 True
# 3 True
# dtype: bool  

# 例項10：

s.str.join('-')

# 0 t-h-i-s
# 1 i-s
# 2 s-t-r-i-n-g
# 3 e-x-a-m-p-l-e-!

s1 = pd.Series([['Tom', 'Bob', 'Jim'],[1.1, 2.2, 3.3],['s1', np.nan, 's2'],
['s3', 4.5, 's4'], ['s5', ['s6', 's7'], 's8']])
# 0 [Tom, Bob, Jim]
# 1 [1.1, 2.2, 3.3]
# 2 [s1, nan, s2]
# 3 [s3, 4.5, s4]
# 4 [s5, [s6, s7], s8]
# dtype: object

s1.str.join('-')
# 0 Tom-Bob-Jim
# 1 NaN
# 2 NaN
# 3 NaN
# 4 NaN  

#例項11：字串連線 

s = pd.Series(['a', 'b', np.nan, 'd'])
s.str.cat(sep=' ', na_rep='?') # 'a b ? d'

s.str.cat(['A', 'B', 'C', 'D'], sep=',')
# 0 a,A
# 1 b,B
# 2 NaN
# 3 d,D
# dtype: object

s.str.cat(['A', 'B', 'C', 'D'], sep=',', na_rep='-')
# 0 a,A
# 1 b,B
# 2 -,C
# 3 d,D
# dtype: object

t = pd.Series(['D', 'A', 'B', 'C'], index=[4, 1, 2, 3])
s.str.cat(t, join=None, na_rep='-')
# 0 aD
# 1 bA
# 2 -B
# 3 dC

s.str.cat(t, join='left', na_rep='-')
# 0 a-
# 1 bA
# 2 -B
# 3 dC
# dtype: object

s.str.cat(t, join='outer', na_rep='-')
# 0 a-
# 1 bA
# 2 -B
# 3 dC
# 4 -D
# dtype: object

s.str.cat(t, join='inner', na_rep='-')
# 1 bA
# 2 -B
# 3 dC
# dtype: object

s.str.cat(t, join='right', na_rep='-')
# 4 -D
# 1 bA
# 2 -B
# 3 dC
# dtype: object  

#例項12： 

s = pd.Series(['a', 'ab', 'abc', 'abdc', 'abcde'])

# 0 a
# 1 ab
# 2 abc
# 3 abdc
# 4 abcde
# dtype: object

# 指定“start”，意思是將“start”替換為“respont”，直到字串的末尾
s.str.slice_replace(1, repl='X')
# 0 aX
# 1 aX
# 2 aX
# 3 aX
# 4 aX
# dtype: object

# 只指定‘top’，這意味著將字串的開頭替換為‘Stop’，其餘的字串將包括在內
s.str.slice_replace(stop=2, repl='X')
# 0 X
# 1 X
# 2 Xc
# 3 Xdc
# 4 Xcde
# dtype: object


# 指定‘start’和‘top’，這意味著從‘start’到‘top’的片段被替換為‘repl’。“開始”和“停止”之前或之後的所有內容都按原樣包括在內。
s.str.slice_replace(start=1, stop=3, repl='X')
# 0 aX
# 1 aX
# 2 aX
# 3 aXc
# 4 aXde