京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Python 常用string函数详解
下面小编就为大家带来一篇Python常用string函数详解。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。
字符串中字符大小写的变换
1. str.lower() //小写
>>> 'SkatE'.lower()
'skate'
2. str.upper() //大写
>>> 'SkatE'.upper()
'SKATE'
3. str.swapcase() //大小写互换
>>> 'SkatE'.swapcase()
'sKATe'
4. str.title() //首字母大写,其余的小写
>>> 'SkatE'.title()
'Skate'
字符串在输出时的对齐
1. str.ljust(width,[fillchar]) //输出width个字符,str左对齐,不足部分用fillchar填充,默认的为空格
>>> 'skate'.ljust(10)
'skate '
>>> 'skate'.ljust(10,'0')
'skate00000'
2. str.rjust(width,[fillchar]) //输出width个字符,str右对齐,不足部分用fillchar填充,默认的为空格
>>> 'skate'.rjust(10,'0')
'00000skate'
>>> 'skate'.rjust(10)
' skate'
3. str.center(width,[fillchar]) //中间对齐
>>> 'skate'.center(10)
' skate '
>>> 'skate'.center(10,'0')
'00skate000'
4. str.zfill(width) //把str变成width长,并在右对齐,不足部分用0补足
>>> 'skate'.zfill(10)
'00000skate'
字符串搜索相关
str.find('t') //搜索指定字符串,没有返回-1
str.find('t',start) //指定起始位置搜索
str.find('t',start,end) //指定起始及结束位置搜索:
str.rfind('t') //从右边开始查找
str.count('t') //搜索到多少个指定字符串:
eg:
>>> 'skate'.find('t')
3
>>> 'skate'.find('t',2)
3
>>> 'skate'.find('t',2,4)
3
>>> 'skate'.rfind('t')
3
>>> 'skate'.count('t')
1
字符串替换
str.replace('old','new') //替换old为new
str.replace('old','new',maxReplaceTimes) //替换指定次数的old为new
eg:
>>> 'skateskate'.replace('s','S')
'SkateSkate'
>>> 'skateskate'.replace('s','S',1)
'Skateskate'
>>>
字符串去空格及去指定字符
str.strip([chars]) //去两边的chars,默认是空格
str.lstrip([chars]) //去左边的chars,默认是空格
str.rstrip([chars]) //去右边的chars,默认是空格
字符串的分割
str.split([sep, [maxsplit]]) //以sep为分隔符,把str分成一个list。maxsplit表示分割的次数。默认的分割符为空白字符
str.rsplit([sep, [maxsplit]])
str.splitlines([keepends]) //把str按照行分割符分为一个list,keepends是一个bool值,如果为真每行后而会保留行分割符。
eg:
>>> 'skateskate'.split()
['skateskate']
>>> 'skateskate'.split('e')
['skat', 'skat', '']
>>> 'skate skate'.rsplit(' ')
['skate', 'skate']
>>> 'skate\n skate1'.splitlines()
['skate', ' skate1']
>>> 'skate\n skate1'.splitlines(1)
['skate\n', ' skate1']
>>>
字符串连接
str.join(seq) //把seq代表的序列(字符串序列),用str连接起来
eg:
>>> 'skate'.join('111')
'1skate1skate1
字符串判断
str.startwith(prefix[,start[,end]]) //是否以prefix开头
str.endwith(suffix[,start[,end]]) //是否以suffix结尾
str.isalnum() //是否全是字母和数字,并至少有一个字符
str.isalpha() //是否全是字母,并至少有一个字符
str.isdigit() //是否全是数字,并至少有一个字符
str.isspace() //是否全是空白字符,并至少有一个字符
str.islower() //str中的字母是否全是小写
str.isupper() //str中的字母是否便是大写
str.istitle() //str是否是首字母大写的
eg:
>>> 'skate'.startswith('s')
True
>>> 'skate'.startswith('s',1,2)
False
>>> 'skate'.endswith('s',1,2)
False
>>> 'skate'.endswith('e',1,2)
False
>>> 'skate'.endswith('e',1)
True
>>>
True
>>> 'skate'.isalnum()
True
>>> '222'.isalnum()
True
>>> 'skate222'.isalnum()
True
>>> 'skate 222'.isalnum()
False
>>>
以上这篇Python常用string函数详解就是小编分享给大家的全部内容了
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-02在MySQL数据库运维与开发工作中,当单表数据量达到千万级、亿级后,会出现查询卡顿、索引失效、写入性能下降等问题。为优化性能 ...
2026-07-01在信息化建设、系统开发、数据分析、需求梳理的工作场景中,业务模型与逻辑模型是两个最基础、也最容易混淆的核心概念。很多项目 ...
2026-07-01