芝加哥食品檢查（注意，有15萬行數(shù)據(jù)）：chicago_food_inspections.csv
公司客戶地址：customers.csv
鏈接：https://pan.baidu.com/s/1zNYRXzBSvwUxKABQS6DOBA?pwd=1234

1. 字符串空格

輸出后發(fā)現(xiàn)，沒有右對(duì)齊，因此是存在前后空格的非標(biāo)準(zhǔn)字符串：

刪除前后空格.strip()：【僅左空格是.lstrip()，僅右空格是.rstrip()】

針對(duì)每列操作，使用for循環(huán)：

2. 字母大小寫

全部小寫：

全部大寫：

字符串首字母大寫：

每個(gè)單詞首字母大寫：

3. 字符串切片

提取每一行的風(fēng)險(xiǎn)級(jí)別High、Medium、Low。

3.1 首先檢查數(shù)據(jù)，是否都符合要求。

查看唯一值：.unique()

可見除了'Risk 1 (High)'、'Risk 2 (Medium)'、'Risk 3 (Low)'還有'All'和nan：

解決方案：將nan行刪去、將'All'改為'Risk 4 (Extreme)'

將nan行刪去：.dropna(subset = ["Risk"])

將'All'改為'Risk?4?(Extreme)'：.replace()

現(xiàn)在符合要求：

3.2 切片

按字符串順序：.slice()

或者直接列表切片：

包括5，不包括6，提取的就是Risk后面的數(shù)字：

不規(guī)則長(zhǎng)度的風(fēng)險(xiǎn)級(jí)別切片：

成功實(shí)現(xiàn)：

4. 文本查找

字符串包含"pizza"：contains()

字符串開頭/結(jié)尾包含"tacos"：startwith() /?endwith()

5. 字符串拆分

對(duì)于customers.csv，姓名拆分為列表：

第3個(gè)名字被拆了兩次。限制最大拆分?jǐn)?shù)：

列表中內(nèi)容提?。篻et()【可以是0、1、-1】

生成DataFrame而非Series的列表：expand=True

添加到之前的DataFrame中：

刪除本來的Name列：

6. 拓展

可以用同樣的方法處理Address。

在.replace()中，可以用regex = True參數(shù)打開正則表達(dá)式。