今天准备分享一篇实用的文章！
Pandas 是一种基于 NumPy 的工具，旨在处理数据分析任务。它提供了众多函数和方法，使数据处理变得快速而便捷。
以下介绍的20个函数被分为15组，都是数据处理的有力工具，使用后你一定会喜欢上它们。
构造数据集
在开始之前，我们先构造一个数据集，以便演示这20个函数。
1. cat函数
此函数用于字符串的拼接：
df[“姓名”].str.cat(df[“家庭住址”], sep=’—‘)
2. contains函数
此函数用于判断某个字符串是否包含特定字符：
df[“家庭住址”].str.contains(“广”)
3. startswith、endswith函数
这两个函数用于判断字符串是否以特定字符开头或结尾：
df[“姓名”].str.startswith(“黄”)
df[“英文名”].str.endswith(“e”)
4. count函数
此函数用于计算特定字符在字符串中出现的次数：
df[“电话号码”].str.count(“3”)
5. get函数
此函数用于获取指定位置的字符串：
df[“姓名”].str.get(-1)
df[“身高”].str.split(“:”).str.get(0)
6. len函数
此函数用于计算字符串的长度：
df[“性别”].str.len()
7. upper、lower函数
这两个函数用于英文大小写的转换：
df[“英文名”].str.upper()
df[“英文名”].str.lower()
8. pad+side参数/center函数
此函数用于在字符串的两边添加指定字符：
df[“家庭住址”].str.pad(10, fillchar=”*”)
df[“家庭住址”].str.pad(10, side=”right”, fillchar=”*”)
df[“家庭住址”].str.center(10, fillchar=”*”)
9. repeat函数
此函数用于重复字符串若干次：
df[“性别”].str.repeat(3)
10. slice_replace函数
此函数用于用指定字符串替换特定位置的字符：
df[“电话号码”].str.slice_replace(4, 8, “*” * 4)
11. replace函数
此函数用于将指定位置的字符替换为给定字符串：
df[“身高”].str.replace(“:”, “-“)
此函数还支持正则表达式，可以替换匹配的字符：
df[“收入”].str.replace(“d+.d+”, “正则”)
12. split方法+expand参数
此函数用于将一列扩展为多列：
df[“身高”].str.split(“:”)
df[[“身高描述”, “final身高”]] = df[“身高”].str.split(“:”, expand=True)
13. strip、rstrip、lstrip函数
这几个函数用于去除空白符和换行符：
df[“姓名”].str.len()
df[“姓名”] = df[“姓名”].str.strip()
df[“姓名”].str.len()
14. findall函数
此函数利用正则表达式在字符串中查找，返回结果列表：
df[“身高”].str.findall(“[a-zA-Z]+”)
15. extract、extractall函数
这两个函数用于根据正则表达式抽取匹配的字符串（需加括号）：
df[“身高”].str.extract(“([a-zA-Z]+)”)
df[“身高”].str.extractall(“([a-zA-Z]+)”)
df[“身高”].str.extract(“([a-zA-Z]+).*?([a-zA-Z]+)”, expand=True)
