CDA数据分析师Python数据分析：强大字符串处理工具，正则表达式
正则表达式是处理字符串的强大工具 。 作为一个概念而言 ， 正则表达式对于Python来说并不是独有的 。正则表达式是一个特殊的字符序列 ， 它能帮助开发人员方便的检查一个字符串是否与某种模式匹配 。
Python 自1.5版本起增加了re 模块 ， 它提供 Perl 风格的正则表达式模式 。 re 模块使 Python 语言拥有全部的正则表达式功能 。 下面将介绍Python中对字符串进行搜索和查找的一些函数方法 。
常用函数
本文插图
一般字符
（1）“.”字符为匹配任意单个字符 。 例如 ， a.b可以的匹配结果为abc、aic、a&c等 ， 但不包括换行符 。
（2）“”字符为转义字符 ， 可以把字符改变为原来的意思 。 听上去不是很好理解 ， 例如“.”字符是匹配任意的单个字符 ， 但有时不需要这个功能 ， 只想让它代表一个点 ， 这时就可以使用“.” ， 就能匹配为“.”了 。
（3）[…]为字符集 ， 相当于在中括号中任选一个 。 例如a[ bcd] ，匹配 的 结果 为 ab、 ac 和 ad 。
本文插图
预定义字符集
预定义字符集 含义
（1）d 匹配一个数字字符 。 等价于 [0-9] 。
（2）D 匹配一个非数字字符 。 等价于[^0-9] 。
（3）s 匹配任何空白字符 ， 包括空格、制表符、换页符等等 。 等价于 [ fv] 。
（4）S 匹配任何非空白字符 。 等价于 [^ fv] 。
（5）w 匹配包括下划线的任何单词字符 。 等价于[A-Za-z0-9_] 。
（6）W 匹配任何非单词字符 。 等价于 [^A-Za-z0-9_] 。
【CDA数据分析师Python数据分析：强大字符串处理工具，正则表达式】
本文插图
数量词
（1）“*”数量词匹配前一个字符0或无限次 。 例如 ， ab*c匹配ac、abc、abbc和abbbc等 。
（2）“+”与“*”很类似 ， 只是至少匹配前一个字符一次 。 例如 ， ab+c匹配abc、abbc和abbbc等 。
（3）“？”数量词匹配前一个字符0或1次 。 例如 ， ab？c匹配ac和abc 。
（4）“{m}”数量词匹配前一个字符m次 。 例如 ， ab{3}c匹配abbbc 。
（5）“{m ， n}”数量词匹配前一个字符m至n次 。 例如 ， ab{1 ， 3}c匹配abc、abbc和abbbc 。
本文插图
一个例子
下面是常用的泰坦尼克号数据,在对年龄进行缺失值填充时,常用方法是众数或平均数填充,或者利用算法填充,但是利用众数或中位数填充会有较大误差,利用算法填充又对技术要求比较高,可以观察到"Name"列都包含有称呼,如:Mr,Miss,根据常识可以知道,西方的这些称呼是与年龄相关的,所以可以根据Name列对Age进行缺失值填充,这个时候正则表达式就派上用场了.
本文插图
本文插图
怎么样？Python中的正则表达式你了解了么？其实 ， 这些知识只是正则表达式中的很小的一部分 ， 还有很多很多的知识待大家去探索哦~
推荐阅读
- 疫情|美国疫情速报：确诊数已逼近284万；特朗普发话：99%新冠病例完全无害；美专家：实际感染数或是现有数据10~24倍
- 「徐艺洋」两百万的数据差，张艺凡却“顶替”徐艺洋出道，正面撕开创3内幕
- 主从|Redis系列（五）：主从复制
- 红刊财经|蒙泰股份拟创业板注册上市 营业收入数据异常问题难解
- 美国|美国疫情严重程度被大幅低估 实际感染人数或是现有数据10到24倍
- 富途资讯|| 重磅数据及事件一览表，一周前瞻
- 数据港湾|| 外资最新持股数据，农林牧渔
- 娱乐大起底|《乘风破浪的姐姐》公演舞台来袭：看珍爱网大数据解析女性如何实现自我价值
- 主机游戏小玩家|《集合啦动物之森》更新后现新BUG!数据挖掘更多信息
- 巴黎圣日耳曼等豪门觊觎，贝纳塞代表AC米兰出战时的数据并不亮眼，为何这位后腰还能得到不少豪门的青睐呢