字符串的切片与索引

如何在字符串上使用索引

在本章中，我们将使用一个名为 staff.csv 的不同数据集。首先通过读取该文件来创建一个 DataFrame。

1import pandas as pd
2
3staff = pd.read_csv("staff.csv")
4
5print(f"\nStaff 数据框包含以下列：\n{list(staff.columns)}\n")
6
7print(staff)

文本数据是数据科学中的重要组成部分。某些领域需要大量处理文本数据，例如自然语言处理（NLP）。Pandas 库提供了多个用于处理文本数据的函数和方法，这些方法可以通过 str 访问器进行调用。我们将学习的第一个操作是字符串的索引使用。

字符串是由一系列字符组成的序列，因此每个字符都有对应的索引。我们可以利用这些索引来选取单个字符或字符串的一部分（切片）。例如，可以获取 name 列中每个字符串的第一个字母，如下所示：

1import pandas as pd
2
3staff = pd.read_csv("staff.csv")
4
5print(staff["name"].str[0])

字符串的索引为从零开始的整数。如果要对字符串进行切片，只需指定起始和结束索引即可。例如，我们可以提取 name 列中每个名字的前三个字母：

1import pandas as pd
2
3staff = pd.read_csv("staff.csv")
4
5print(staff["name"].str[0:3])

如果所需切片从第一个索引（即索引 0）开始，则可以省略起始索引。因此，下面这行代码与上述效果相同：

1staff["name"].str[:3]

需要注意的是，切片的右边界是不包含的。因此，[:3] 实际上表示索引 0、1 和 2 对应的字符。还可以使用从字符串末尾开始的负索引，此时索引从 -1 开始，依次为 -2、-3，依此类推。以下代码将返回 name 列中每个字符串的最后两个字符：

1import pandas as pd
2
3staff = pd.read_csv("staff.csv")
4
5print(staff["name"].str[-2:])

为了使切片和索引操作更加灵活，Pandas 还允许自定义步长。例如，我们可以创建一个从第二个字符（索引 1）开始、每隔一个字符取一个值的切片：

1import pandas as pd
2
3staff = pd.read_csv("staff.csv")
4
5print(staff["name"].str[1::2])

其结构如下：

1str[start : end : step size]

如果省略结束位置，则切片会一直延伸到字符串末尾。