pandas是python的乙個資料分析庫，提供如dataframe等十分容易操作的資料結構，是近年做資料分析時不可或缺的工具之一。
但是pandas知識點繁多，同乙個操作可以用多種不同的方法實現，再加上網上滿坑滿谷的教學資料，質量參差不齊，導致很多初學者常常看完後不知所云，且很快就忘掉了。本系列正是從這點出發，將60個常用的pandas知識點由淺入深地分成4大類別：pandas基礎理論、三類操作（分組、變形、合併）、四類資料（缺失資料、文字資料、分類資料、時序資料）、綜合例子（帶你再次完整走一遍前面所有操作）。保證你看完後足以應付日常90%的情景。
廢話不多說啦，讓我們開始這趟pandas旅程吧！
文末放上**
string型別是pandas1.0之後的新特性，用來儲存文字資料。在此之前，都是用object型別儲存文字資料。雖然目前官方為了相容性，預設還是用object，但是官方建議大家使用string。因為後期會對string做更多效能與記憶體上的優化。
string與object的主要區別有如下兩點：
某些series方法不能在string上使用，例如： series.str.decode()，因為儲存的是字串而不是位元組
除此之外，兩者在當前版本下(1.05)基本完全一致。
object是預設文字型別，所以直接建立即可，string需要手動指明
string的方法與python中str的方法差不多，都是一些關於操作字串的方法。下面介紹一些常用的操作。
這裡需要注意split後的型別是object，因為現在series中的元素已經不是string，而是乙個list，但是string型別只能含有字串。
expand引數控制了是否將列拆開，n引數代表最多分割多少次
對於單個series而言，就是指所有的元素進行字元合併為乙個字串
對於兩個series合併而言，是索引對應的元素進行合併
若索引不是一一對應，則預設左連線
使用sep填充分隔符，na_rep作為缺失值補充
使用extract
給extract傳遞乙個正規表示式，提取後預設返回dataframe。不符合正規表示式的用nan補充。返回的dataframe列名為0、1、2....，使用p來自定義列名。
與extract只匹配第乙個符合條件的表示式不同，extractall會找出所有符合條件的字串，並建立多級索引（即使只找到乙個）
replace，與extract一樣，也是傳遞正規表示式。第乙個值寫r開頭的正規表示式，後乙個寫替換的字串。
isnumerical是檢查每一位是否會數字，1.2中包含'.'，所以不是數字（這樣做豈不是只能檢測是否為整數？我感覺這個函式這樣設計挺雞肋的）
**位址
參考
python for data analysiswes mckinney著
pandas cookbooktheodore petrou著
ue4字串 區別 文字 UE4 字串的轉換
建立fstring fstringtesthudstring fstring text this is my test fstring.fstring,fname,ftext 設定字串變數文字時應使用 text 巨集。如未指定 text 巨集，將使用 ansi 對文字進行編碼，會導致支援字元高度受限...
4 字串分隔
連續輸入字串，請按長度為8拆分每個字串後輸出到新的字串陣列 長度不是8整數倍的字串請在後面補數字0，空字串不處理。輸入描述 連續輸入字串 輸入2次,每個字串長度小於100 輸出描述 輸出到長度為8的新字串陣列 示例1 輸入 abc 123456789 輸出 abc00000 12345678 900...
專案4 字串加密
檔名稱 main.cpp,sqstring.cpp,sqstring.h 完成日期 2015年10月23日 版本號 vc 6.0 問題描述 乙個文字串可用事先編制好的字元對映表進行加密。例如，設字元對映表為 abcdefghijklmnopqrstuvwxyz ngzqtcobmuhelkpdawx...