一句python，一句R︱python中的字符串操作、中文亂碼、NaN情況

先學(xué)了R，最近剛剛上手Python,所以想著將python和R結(jié)合起來互相對(duì)比來更好理解python。最好就是一句python，對(duì)應(yīng)寫一句R。
pandas可謂如雷貫耳，數(shù)據(jù)處理神器。
以下符號(hào)：
=R=
代表著在R中代碼是怎么樣的。
————————————————————————————————————————————
字符編碼
encode 和 decode
Python2 默認(rèn)的編碼是 ascii，通過 encode 可以將對(duì)象的編碼轉(zhuǎn)換為指定編碼格式（稱作“編碼”），而 decode 是這個(gè)過程的逆過程（稱作“解碼”）。
decode，將字節(jié)串轉(zhuǎn)變?yōu)樽址?，并且這個(gè)字符串是按照 unicode 編碼的。在 unicode 編碼中，一個(gè)漢字對(duì)應(yīng)一個(gè)字符，這時(shí)候度量它的長度就是 1.
encode，一個(gè) unicode 編碼的字符串，也可以轉(zhuǎn)換為字節(jié)串。
[html] view plain copy
print?

    >>> a = "中"  
    >>> a  
    '\xe4\xb8\xad'  
      
    >>> b = a.decode()  
    >>> b  
    u'\u4e2d'  

其中，a就是ASCII格式的編碼，字節(jié)串；b就是unicode編碼的字符串。當(dāng)然有一個(gè)問題就是最后出來的還不是漢字。。。（醉?。?br /> ————————————————————————————————————————————
一、字符形成、展示、拼接、切片
1、字符形成=R=paste
雙引號(hào)包裹單引號(hào)
[html] view plain copy
print?

    >>> "What's your name?"  
    "What's your name?" 
單引號(hào)使用轉(zhuǎn)義符

[html] view plain copy
print?

    >>> 'What\'s your name?'  
    "What's your name?" 
2、字符串展示print /raw_input
[html] view plain copy
print?

    >>> name = raw_input("input your name:")  
    input your name:python  
    >>> name  
    'python'  

其中raw_input有點(diǎn)交互關(guān)系，具體看案例，直接鍵入name就可以獲得你輸入的內(nèi)容。
[html] view plain copy
print?

    >>> print("hello, world")  
    hello, world 
3、字符切片、選擇、截取 =R=無
字符可以像一般的數(shù)據(jù)格式一樣進(jìn)行切片選擇，有點(diǎn)像series：

[html] view plain copy
print?

    >>> lang = "study Python"  
    >>> lang[0]  
    's'  
    >>> lang[2:9]  
    'udy pyt'  

當(dāng)然也包括lang[:]可以選中所有的。
其中index代表著某個(gè)字符的索引值。
[html] view plain copy
print?

    lang.index("p") 
4、內(nèi)存編號(hào) =R= 無
這個(gè)與R中不一樣，當(dāng)數(shù)據(jù)存入python之后，機(jī)器會(huì)自動(dòng)給存入內(nèi)存的數(shù)據(jù)編號(hào)，這個(gè)編號(hào)可以用id來查看。
[html] view plain copy
print?

    >>> id(c)  
    3071934536L  
    >>> id(lang)  
    3071934536L 
5、ASCII 值（是十進(jìn)制的）
ord("a")   代表輸入字符返回ASCII值

cha(97)  代表輸入ASCII值返回字符

[html] view plain copy
print?

    >>> cmp("a","b")    #a-->97, b-->98, 97 小于 98，所以 a 小于 b  
    -1  

其中cmp()代表比較 a  b 兩個(gè)字符的ASCII值的大小，返回值為1，0，-1

[html] view plain copy
print?

    >>> max(str1)  
    'd'  
    >>> max(str2)  
    'e'  
    >>> min(str1)  
    'a'  

返回字符的ASCII值的最大值。
————————————————————————————————————————————
二、字符串基本操作
1、字符串重復(fù) =R=rep

[html] view plain copy
print?

    >>> str1*3  
    'abcdabcdabcd' 
其中變成字符串有兩種方式：一種是str()或者是用單引號(hào)來表示。
2、字符串拼接
（1）+ 號(hào) =R= paste

[html] view plain copy
print?

    >>> "Py" + "thon"  
    'Python'  
      
    >>> a = 1989  
    >>> b = "free"  
      
    >>> print b+“a”  
    >>> print b+str(a) 
其中變成字符串有兩種方式：一種是str()或者是用單引號(hào)來表示。
乘法，就是重復(fù)那個(gè)字符串的含義。
（2）join =R= paste

用 .  來填補(bǔ)間隔中的內(nèi)容。


3、語句分割split =R= split

這個(gè)函數(shù)的作用是將字符串根據(jù)某個(gè)分割符進(jìn)行分割。

[html] view plain copy
print?

    >>> a = "I LOVE PYTHON"  
    >>> a.split(" ")  
    ['I', 'LOVE', 'PYTHON']  

其中split（“ ”）括號(hào)中，代表著依據(jù)什么樣式來進(jìn)行分割。
4、字符串去掉空格 = R=grep

方法是：

    S.strip() 去掉字符串的左右空格
    S.lstrip() 去掉字符串的左邊空格
    S.rstrip() 去掉字符串的右邊空格

[html] view plain copy
print?

    >>> b=" hello "    # 兩邊有空格  
    >>> b.strip()  
    'hello' 
5、字符串大小寫
在 Python 中有下面一堆內(nèi)建函數(shù)，用來實(shí)現(xiàn)各種類型的大小寫轉(zhuǎn)化

    S.upper() #S 中的字母大寫
    S.lower() #S 中的字母小寫
    S.capitalize() # 首字母大寫
    S.isupper() #S 中的字母是否全是大寫
    S.islower() #S 中的字母是否全是小寫
    S.istitle()

S.title()  #把所有的單詞的第一個(gè)字母轉(zhuǎn)化為大寫

S.istitle()  #判斷每個(gè)單詞的第一個(gè)字母是否為大寫
6、in 包含關(guān)系 =R=%in%
類似集合計(jì)算，a in b代表a是否包含在b中，返回的是布爾值。

[html] view plain copy
print?

    >>> "a" in str1  
    True  
    >>> "de" in str1  
    False  
    >>> "de" in str2  
    True 
7、字符長度len  =R= length

[html] view plain copy
print?

    >>> a="hello"  
    >>> len(a)  
    5 
————————————————————————————————————————————
三、轉(zhuǎn)義符、占用符列表
1、轉(zhuǎn)義符列表

在字符串中，有時(shí)需要輸入一些特殊的符號(hào)，但是，某些符號(hào)不能直接輸出，就需要用轉(zhuǎn)義符。所謂轉(zhuǎn)義，就是不采用符號(hào)本來的含義，而采用另外一含義了。下面表格中列出常用的轉(zhuǎn)義符：
轉(zhuǎn)義字符    描述
\    (在行尾時(shí)) 續(xù)行符
\    反斜杠符號(hào)
\'    單引號(hào)
\"    雙引號(hào)
\a    響鈴
\b    退格(Backspace)
\e    轉(zhuǎn)義
\000    空
\n    換行
\v    縱向制表符
\t    橫向制表符
\r    回車
\f    換頁
\oyy    八進(jìn)制數(shù)，yy 代表的字符，例如：\o12 代表換行
\xyy    十六進(jìn)制數(shù)，yy 代表的字符，例如：\x0a 代表換行
\other    其它的字符以普通格式輸出

以上所有轉(zhuǎn)義符，都可以通過交互模式下 print 來測(cè)試一下，感受實(shí)際上是什么樣子的。

2、占位符

占位符在自動(dòng)生成字符內(nèi)容方面有很好的應(yīng)用：

[html] view plain copy
print?

    >>> print "我%s喜歡NLP" % "非常"  
    我非常喜歡NLP 
(1)老式占位符%s

另外，不同的占位符，會(huì)表示那個(gè)位置應(yīng)該被不同類型的對(duì)象填充。下面列出許多，供參考。不過，不用記憶，常用的只有 %s 和 %d，或者再加上 %f，其它的如果需要了，到這里來查即可。

（2）新式{}
[html] view plain copy
print?

    >>> print "我{}喜歡NLP" .format("非常")  
    我非常喜歡NLP 
 Python 非常提倡的 string.format()的格式化方法，其中 {} 作為占位符。

這種方法真的是非常好，而且非常簡單，只需要將對(duì)應(yīng)的東西，按照順序在 format 后面的括號(hào)中排列好，分別對(duì)應(yīng)占位符 {} 即可。我喜歡的方法。
四、Python 中如何避免中文是亂碼

這個(gè)問題是一個(gè)具有很強(qiáng)操作性的問題。我這里有一個(gè)經(jīng)驗(yàn)總結(jié)，分享一下，供參考：

首先，提倡使用 utf-8 編碼方案，因?yàn)樗缙脚_(tái)不錯(cuò)。

經(jīng)驗(yàn)一：在開頭聲明：

# -*- coding: utf-8 -*-

有朋友問我-*-有什么作用，那個(gè)就是為了好看，愛美之心人皆有，更何況程序員？當(dāng)然，也可以寫成：

# coding:utf-8

經(jīng)驗(yàn)二：遇到字符（節(jié)）串，立刻轉(zhuǎn)化為 unicode，不要用 str()，直接使用 unicode()

unicode_str = unicode('中文', encoding='utf-8')
print unicode_str.encode('utf-8')

經(jīng)驗(yàn)三：如果對(duì)文件操作，打開文件的時(shí)候，最好用 codecs.open，替代 open(這個(gè)后面會(huì)講到，先放在這里)

import codecs
codecs.open('filename', encoding='utf8')
五、Python正則表達(dá)式:re的match方法（來源公眾號(hào)人人可以學(xué)python）

Python 從1.5版本起添加了模塊re ，提供 Perl 風(fēng)格的正則表達(dá)式模式

我們經(jīng)常用的有re.match( ), re.search( )，re.sub( )， 下面我們一個(gè)一個(gè)來講一下。

其中注意它們各自的區(qū)別

re.match( )

    match( )從要匹配的字符串的起始位置開始匹配一個(gè)正則表達(dá)式。如果起始位置匹配失敗，則返回None

re.match(pattern, string, flags=0)

參數(shù)：

pattern： 正則表達(dá)式

string：要匹配的字符串

flags：標(biāo)志位，用來控制匹配模式


    [html] view plain copy
    print?
        舉例：  
        #!/usr/bin/python  
        # -*- coding: UTF-8 -*-   
        import re  
        str1 = "Allen is renren python"  
        print re.match('Bllen', str1)  
        print re.match('Allen', str1)  
        print re.match('.*renren.*', str1)  
        allenwoo@~/renren$ python test.py  
第一個(gè)由于一開始匹配不成功，所以結(jié)果是None
第二個(gè)在字符串開始就找到了“Allen”所以匹配成功，返回結(jié)果
第三個(gè)，" . "表示任何字符，“ * ”表示前面一個(gè)修飾符有任何個(gè)（包括0個(gè)）
所以" .* "就是匹配任何個(gè)數(shù)的任何字符的意思。
[html] view plain copy
print?

    #!/usr/bin/python  
    # -*- coding: UTF-8 -*-   
    import re  
    str1 = "Allen is renren python"  
    r = re.match('Allen', str1)  
    # span是返回我們匹配到的字符串的開始和結(jié)束的下標(biāo)  
    print r.span()  
    # group返回我們匹配到的字符串  
    print r.group()  
    print "\n"  
    r = re.match('.*renren.*', str1)  
    print r.span()  
    print r.group()  

    數(shù)字匹配可以使用\w或者[0-9]

比如要匹配字符串"Jack age:18，sex:m"中的數(shù)字
[html] view plain copy
 print?

    #!/usr/bin/python  
    # -*- coding: UTF-8 -*-   
    import re  
    str1 = "Jack age:18，sex:m"  
    r = re.match('.*\w+.*', str1)  
    if r:  
        print r.group()  
    print "\n"  
       
    r = re.match('.*[0-9]+.*', str1)  
    if r:  
        print r.group()  
       
    print("分組匹配輸出")  
    r = re.match(r'(.*):([0-9]+).*', str1)  
    if r:  
        print r.group()  
        print r.group(1)  
        print r.group(2) 
你會(huì)發(fā)現(xiàn)我們?cè)?a href='/map/zhengzebiaodashi/' style='color:#000;font-size:inherit;'>正則表達(dá)式中使用()就能分組匹配，然后可以使用group返回每個(gè)括號(hào)中匹配的字符串。

注意: 在re.match(r'(.*):([0-9]+).*', str1)的表達(dá)式前面我們使用了一個(gè) r， r是防止字符串轉(zhuǎn)意，因?yàn)槲覀兪褂昧耍ǎ?我們不希望它被當(dāng)作要匹配的字符。

    附：那這就先講一下轉(zhuǎn)意：

[html] view plain copy
print?

    #!/usr/bin/python  
    # -*- coding: UTF-8 -*-   
    # 大家都知道\n是換行符，  
    # 而\t 是tab空格，相當(dāng)于我們鍵盤的tab鍵  
    print("We\tare\trenrenpython")  
       
    # 加上r防止轉(zhuǎn)意后  
    print(r"We\tare\trenrenpython") 

 \是一個(gè)特殊符符號(hào)，用來轉(zhuǎn)意一些字符，如\n換行符

使用了 r 后"\t"就是字符串"\t", 而不是tab
    然后又有新的問題來了，想"\w"," . ", " * "都被用作了正則表達(dá)式的修飾符，如果我們需要把它們當(dāng)原本的字符匹配怎么辦呢？使用" \"
[html] view plain copy
print?

    #!/usr/bin/python  
    # -*- coding: UTF-8 -*-   
    import re  
    str1 = "python . renren"  
    str2 = "python : renren"  
    # 由于"." 是代表任何字符，所以下面表達(dá)式str1,str2都能匹配到  
    r = re.match('.* . .*', str1)  
    if r:  
        print r.group()  
    else:  
        print "未匹配"   
       
    r = re.match('.* . .*', str2)  
    if r:  
        print r.group()  
    else:  
        print "未匹配"   
    print "\n"  
       
    # 如果我們要匹配的是"."這個(gè)字符呢?   
    r = re.match('.* \. .*', str1)  
    if r:  
        print r.group()  
    else:  
        print "未匹配"   
       
    r = re.match('.* \. .*', str2)  
    if r:  
        print r.group()  
    else:  
        print "未匹配" 
延伸一：Nan
[python] view plain copy
print?

    def isnotNaN(num):  
        return num == num