问题与练习

1. 问题

【问题一】 str对象方法和df/Series对象方法有什么区别？

series，只是一个一维数据结构，它由index和value组成。

dataframe，是一个二维结构，除了拥有index和value之外，还拥有column。

dataframe由多个series组成，无论是行还是列，单独拆分出来都是一个series。

str.replace针对的是object类型或string类型，默认是以正则表达式为操作，目前暂时不支持DataFrame上使用

​ replace针对的是任意类型的序列或数据框，如果要以正则表达式替换，需要设置regex=True，该方法通过字典可支持多列替换

【问题二】 给出一列string类型，如何判断单元格是否是数值型数据？

str.contains(r'-?([0-9]\d*)(\.\d+)?$')

【问题三】 rsplit方法的作用是什么？它在什么场合下适用？

Python rsplit() 方法通过指定分隔符对字符串进行分割并返回一个列表，默认分隔符为所有空字符，包括空格、换行(\n)、制表符(\t)等。类似于 split() 方法，只不过是从字符串最后面开始分割。

适用于分割字符信息

【问题四】 在本章的第二到第四节分别介绍了字符串类型的5类操作，请思考它们各自应用于什么场景？

​ 拆分:　某个字符串series里有相同的分隔符的时候，可以用split来分开

​ 拼接：　理解为拆分的反操作，想用某个符号作为分隔符将几个字符串连起来的时候

​ 替换：　在数据清洗的时候作用很大，可以使用正则表达式去除某些不需要的字符，数字之类的

​ 字串匹配：作用同下，但是不用提取出来，只是看里面有没有。

​ 字串提取:当字符串series有一定的规律的时候，可以用来提取某一部分，例如年月日可以提取年，就是提取自己需要的模式

2. 练习

【练习一】 现有一份关于字符串的数据集，请解决以下问题：

（a）现对字符串编码存储人员信息（在编号后添加ID列），使用如下格式：“×××（名字）：×国人，性别×，生于×年×月×日”

（b）将（a）中的人员生日信息部分修改为用中文表示（如一九七四年十月二十三日），其余返回格式不变。

实现思路是分割对应的字符，然后替换

（c）将（b）中的ID列结果拆分为原列表相应的5列，并使用equals检验是否一致。

【练习二】 现有一份半虚拟的数据集，第一列包含了新型冠状病毒的一些新闻标题，请解决以下问题：

（a）选出所有关于北京市和上海市新闻标题的所在行。

（b）求col2的均值。

（c）求col3的均值。