[TOC] ***** dataframe与series中经常有文本格式的数据存在，pandas提供了良好的工具用来处理这些文本 ``` #用列表创建Series s = pd.Series(['A', 'B', 'C', 'Aaba ', ' Baca', 'CABA ', 'dog', 'cat']) ```  ``` #调用s.str将series-S变为String 然后再去除两端空格 s.str.strip() # 去除空格 ```  ``` # 将字符串转换成大写 s.str.upper() ```  ``` #pandas中字符串函数可以连用，strip之后仍然是series需要再调用str变为字符串，并寻找结尾为a的字符串 s.str.strip().str.endswith("a") ```  ``` #外面再套一个series,会返回结果为true的值 s[s.str.strip().str.endswith("a")] ```  ***** 一个很常用的场景就是当你的index或者column名称前后包含了空格的时候，你可以用str的方法剔除这些空格，从而避免不必要的麻烦 ``` #注意age和name前后有空格 a = {"name ":["xiaoming","xiaohong","xiaogang"]," age":[12,13,14]} test = pd.DataFrame(data = a) ``` #此时列名age和name有空格，但看不出来  这时 ``` #会报错，是test[' age'] test['age'] ``` 去掉列名前后空格，这次打印正确 ``` test.columns = test.columns.str.strip() test['age'] ```  ### 1.5.1. Splitting and Replacing String split方法用于根据某个分隔符对字符进行分割，返回一个列表 ``` #取Player列所有数据 df['Player'] ```  目标将姓和名进行分割 ``` #.str将series变成字符串对象再用split 结果 df['Player'].str.split(" ") ```  ***** 取得Player列分割后所有列表的第一个元素（姓） ``` # 使用get方法获取指定位置的元素 df['Player'].str.split(" ").str.get(1) ```  ``` # 使用expand方法,将分割出的列表变为多个列，expand-扩展 df['Player'].str.split(" ",expand = True) ```  ***** 使用\[\]对字符串的位置进行索引选取 ``` #.str应用在Player列的每一个元素上，将series的元素变为字符串，对字符串使用切片索引选取 df['Player'].str[:3] ``` ### 1.5.2. Extracting substring 通过正则表达式选取字符串中的子集