python数据分析：强大字符串处理工具，正则表达式-CDA数据分析师官网

热线电话：13121318867

首页大数据时代python数据分析：强大字符串处理工具，正则表达式

python数据分析：强大字符串处理工具，正则表达式

2020-06-01

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

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。

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 [ \f\n\r\t\v]。

（4）\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。

（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_]。

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。

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.