re模块和numpy模块

Posted 2022-01-28 zrx19960128

pandas模块

五大功能

1. 支持文件存取操作，支持数据库

2. 支持增删改查，切片，高阶函数，分组聚合等单标操作，和dict，list的互相转换

3. 支持多表拼接合并操作

4. 支持简单的绘图操作

5. 支持简单的统计分析操作

import numpy as np
import pandas as pd
?
series
# 排成列
?
DataFrame
#pd.dataframe(内部，列，行)
?
   行   行    行    行
列 内部  内部  内部  内部
列 内部  内部  内部  内部
?
Dataframe属性
dtype     查看数据类型
index     查看行序列或者索引
columns   查看各列的标签
values    查看数据框内的数据，不包含表头索引的数据
describe  查看数据每一列的级值，平均值，中位数，只可用于数据线数据
transpose 转职 也可用T来操作
sort_index排序，可按行或者列index排序输出
sort_values按数据值来排序
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?

 

友情链接https://www.cnblogs.com/nickchen121/p/10807568.html

 

 

 

re模块

正则表达式：大致匹配过程，一次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功，一旦有匹配不成功的字符则匹配失败

数量词的贪婪模式和非贪婪模式

震泽表达式通常用于在文本中查找匹配的字符串，python中数量词默认是贪婪地。总是匹配竟可能多的字符，非贪婪的相反，总是尝试匹配竟可能少的字符，如果正则表达式ab用于查找abbbbc，则会得到abbbb，而使用非贪婪ab？。则会找到a

^元字符

字符串开始位置与匹配规则符合就匹配，否则不匹配

匹配字符串开头。在多行模式中匹配每一行的开头（Python3+已经失效，配合compile使用）

^元字符如果写到[]字符集里就是反取

[^a-z]反取

匹配出除字母外的字符，^元字符如果写到字符集里就是反取

$元字符

字符串结束位置与匹配规则符合就匹配，否则不匹配

匹配字符串末尾，在多行模式中匹配每一行的末尾

*元字符

需要字符串里完全符合，匹配规则，就匹配，（规则里的*元字符）前面的一个字符可以是0个或多个原本字符

匹配前一个字符0或多次，贪婪匹配前导字符有多少个就匹配多少个很贪婪

如果规则里只有一个分组，尽量避免用*否则会有可能匹配出空字符串

+元字符

需要字符串里完全符合，匹配规则，就匹配，（规则里的+元字符）前面的一个字符可以是1个或多个原本字符

匹配前一个字符1次或无限次，贪婪匹配前导字符有多少个就匹配多少个很贪婪

？元字符（用于防止贪婪匹配）

需要字符串里完全符合，匹配规则，就匹配，（规则里的?元字符）前面的一个字符可以是0个或1个原本字符

匹配一个字符0次或1次

还有一个功能是可以防止贪婪匹配，详情见防贪婪匹配

元字符（范围）

需要字符串里完全符合，匹配规则，就匹配，（规则里的 元字符）前面的一个字符，是自定义字符数，位数的原本字符

m匹配前一个字符m次，m,n匹配前一个字符m至n次，若省略n，则匹配m至无限次

0,匹配前一个字符0或多次,等同于*元字符 +,匹配前一个字符1次或无限次,等同于+元字符 0,1匹配前一个字符0次或1次,等同于?元字符

[]元字符

需要字符串里完全符合，匹配规则，就匹配，（规则里的 [] 元字符）对应位置是[]里的任意一个字符就匹配

字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。abc表示取反，即非abc。 所有特殊字符在字符集中都失去其原有的特殊含义。用\\反斜杠转义恢复特殊字符的特殊含义。

[^]元字符

非，反取，匹配出除[^]里面的字符，^元字符如果写到字符集里就是反取

反斜杠/后边跟普通字符实现特殊功能(预定义字符)

预定义字符是在字符集和组里都是有用的

\\d匹配任何十进制数，它相当于类[0-9]

\\d+匹配一位或者多位数的数字时用

\\D**匹配任何非数字字符，它相当于类0-9

\\s匹配任何空白字符，它相当于类[\\t\\n\\r\\f\\v]

\\S匹配任何非空白字符，它相当于类\\t\\n\\r\\f\\v

\\w匹配包括下划线在内任何字母数字字符，它相当于类[a-zA-Z0-9_]

\\W匹配非任何字母数字字符包括下划线在内，它相当于类a-zA-Z0-9_

()元字符(分组)

也就是分组匹配，()里面的为一个组也可以理解成一个整体

如果()后面跟的是特殊元字符如 (adc)* 那么*控制的前导字符就是()里的整体内容，不再是前导一个字符

|元字符(或)

|或，或就是前后其中一个符合就匹配

正则表达式的两种书写方式

1. 一种是直接在函数里书写规则，推荐使用

import re
a = re.findall("匹配规则", "这个字符串是否有匹配规则的字符")
print(a)
[‘匹配规则‘]

2. 另一种是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。

import re
?
# 将正则表达式编译成Pattern对象
pattern = re.compile(r‘hello‘)
?
# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None
match = pattern.match(‘hello world!‘)
?
if match:
    # 使用Match获得分组信息
    print(match.group())
hello

5|2**re.compile(strPattern[, flag])函数(了解)**

注意事项

 

1. r原生字符：让在python里有特殊意义的字符如\\b，转换成原生字符（就是去除它在python的特殊意义），不然会给正则表达式有冲突，为了避免这种冲突可以在规则前加原始字符r

2. 正则表达式，返回类型为表达式对象的，如：<_sre.SRE_Match object; span=(6, 7), match=‘a‘>，返回对象时，需要用正则方法取字符串，方法有：

   1. group() # 获取匹配到的所有结果，不管有没有分组将匹配到的全部拿出来，有参取匹配到的第几个如2

   2. groups() # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分的结果

   3. groupdict() # 获取模型中匹配到的分组结果，只拿出匹配到的字符串中分组部分定义了key的组结果

3. 匹配到的字符串里出现空字符：注意：正则匹配到空字符的情况，如果规则里只有一个组，而组后面是就表示组里的内容可以是0个或者多过，这样组里就有了两个意思，一个意思是匹配组里的内容，二个意思是匹配组里0内容（即是空白）所以尽量避免用否则会有可能匹配出空字符串

4. ()分组：注意：分组的意义，就是在匹配成功的字符串中，再提取()里的内容，也就是组里面的字符串

5. ?:在有分组的情况下findall()函数，不只拿分组里的字符串，拿所有匹配到的字符串，注意?:只用于不是返回正则对象的函数如findall()