一句python，一句R︱python中的字符串操作、中文乱码、NaN情况
先学了R，最近刚刚上手Python,所以想着将python和R结合起来互相对比来更好理解python。最好就是一句python，对应写一句R。
pandas可谓如雷贯耳，数据处理神器。
以下符号：
=R=
代表着在R中代码是怎么样的。
————————————————————————————————————————————
字符编码
encode 和 decode
Python2 默认的编码是 ascii，通过 encode 可以将对象的编码转换为指定编码格式（称作“编码”），而 decode
是这个过程的逆过程（称作“解码”）。
decode，将字节串转变为字符串，并且这个字符串是按照 unicode 编码的。在 unicode
编码中，一个汉字对应一个字符，这时候度量它的长度就是 1.
encode，一个 unicode 编码的字符串，也可以转换为字节串。
[html] view plain copy
print?
>>> a = "中"
>>> a
'\xe4\xb8\xad'
>>> b = a.decode()
>>> b
u'\u4e2d'
其中，a就是ASCII格式的编码，字节串；b就是unicode编码的字符串。当然有一个问题就是最后出来的还不是汉字。。。（醉！）
————————————————————————————————————————————
一、字符形成、展示、拼接、切片
1、字符形成=R=paste
双引号包裹单引号
[html] view plain copy
print?
>>> "What's your
name?"
"What's your
name?"
单引号使用转义符
[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有点交互关系，具体看案例，直接键入name就可以获得你输入的内容。
[html] view plain copy
print?
>>> print("hello,
world")
hello,
world
3、字符切片、选择、截取 =R=无
字符可以像一般的数据格式一样进行切片选择，有点像series：
[html] view plain copy
print?
>>> lang = "study
Python"
>>> lang[0]
's'
>>> lang[2:9]
'udy pyt'
当然也包括lang[:]可以选中所有的。
其中index代表着某个字符的索引值。
[html] view plain copy
print?
lang.index("p")
4、内存编号 =R= 无
这个与R中不一样，当数据存入python之后，机器会自动给存入内存的数据编号，这个编号可以用id来查看。
[html] view plain copy
print?
>>> id(c)
3071934536L
>>> id(lang)
3071934536L
5、ASCII 值（是十进制的）
ord("a") 代表输入字符返回ASCII值
cha(97) 代表输入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()代表比较 a b 两个字符的ASCII值的大小，返回值为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、字符串重复 =R=rep
[html] view plain copy
print?
>>> str1*3
'abcdabcdabcd'
其中变成字符串有两种方式：一种是str()或者是用单引号来表示。
2、字符串拼接
（1） 号 =R= paste
[html] view plain copy
print?
>>> "Py" "thon"
'Python'
>>> a = 1989
>>> b = "free"
>>> print b “a”
>>> print b
str(a)
其中变成字符串有两种方式：一种是str()或者是用单引号来表示。
乘法，就是重复那个字符串的含义。
（2）join =R= paste
用 . 来填补间隔中的内容。
3、语句分割split =R= split
这个函数的作用是将字符串根据某个分割符进行分割。
[html] view plain copy
print?
>>> a = "I LOVE
PYTHON"
>>> a.split(" ")
['I',
'LOVE', 'PYTHON']
其中split（“ ”）括号中，代表着依据什么样式来进行分割。
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()
去掉字符串的左边空格
S.rstrip()
去掉字符串的右边空格
[html] view plain copy
print?
>>> b=" hello
" # 两边有空格
>>> b.strip()
'hello'
5、字符串大小写
在 Python 中有下面一堆内建函数，用来实现各种类型的大小写转化
S.upper() #S
中的字母大写
S.lower() #S
中的字母小写
S.capitalize() # 首字母大写
S.isupper()
#S 中的字母是否全是大写
S.islower()
#S 中的字母是否全是小写
S.istitle()
S.title() #把所有的单词的第一个字母转化为大写
S.istitle() #判断每个单词的第一个字母是否为大写
6、in 包含关系 =R=%in%
类似集合计算，a in b代表a是否包含在b中，返回的是布尔值。
[html] view plain copy
print?
>>> "a" in str1
True
>>> "de" in str1
False
>>> "de" in str2
True
7、字符长度len =R= length
[html] view plain copy
print?
>>> a="hello"
>>> len(a)
5
————————————————————————————————————————————
三、转义符、占用符列表
1、转义符列表
在字符串中，有时需要输入一些特殊的符号，但是，某些符号不能直接输出，就需要用转义符。所谓转义，就是不采用符号本来的含义，而采用另外一含义了。下面表格中列出常用的转义符：
转义字符 描述
\ (在行尾时)
续行符
\ 反斜杠符号
\' 单引号
\" 双引号
\a 响铃
\b
退格(Backspace)
\e 转义
\000 空
\n 换行
\v
纵向制表符
\t
横向制表符
\r 回车
\f 换页
\oyy 八进制数，yy
代表的字符，例如：\o12 代表换行
\xyy 十六进制数，yy
代表的字符，例如：\x0a 代表换行
\other
其它的字符以普通格式输出
以上所有转义符，都可以通过交互模式下 print 来测试一下，感受实际上是什么样子的。
2、占位符
占位符在自动生成字符内容方面有很好的应用：
[html] view plain copy
print?
>>> print "我%s喜欢NLP" %
"非常"
我非常喜欢NLP
(1)老式占位符%s
另外，不同的占位符，会表示那个位置应该被不同类型的对象填充。下面列出许多，供参考。不过，不用记忆，常用的只有 %s 和
%d，或者再加上 %f，其它的如果需要了，到这里来查即可。
（2）新式{}
[html] view plain copy
print?
>>> print "我{}喜欢NLP"
.format("非常")
我非常喜欢NLP
Python 非常提倡的 string.format()的格式化方法，其中 {}
作为占位符。
这种方法真的是非常好，而且非常简单，只需要将对应的东西，按照顺序在 format 后面的括号中排列好，分别对应占位符 {}
即可。我喜欢的方法。
四、Python 中如何避免中文是乱码
这个问题是一个具有很强操作性的问题。我这里有一个经验总结，分享一下，供参考：
首先，提倡使用 utf-8 编码方案，因为它跨平台不错。
经验一：在开头声明：
# -*- coding: utf-8 -*-
有朋友问我-*-有什么作用，那个就是为了好看，爱美之心人皆有，更何况程序员？当然，也可以写成：
# coding:utf-8
经验二：遇到字符（节）串，立刻转化为 unicode，不要用 str()，直接使用 unicode()
unicode_str = unicode('中文', encoding='utf-8')
print unicode_str.encode('utf-8')
经验三：如果对文件操作，打开文件的时候，最好用 codecs.open，替代 open(这个后面会讲到，先放在这里)
import codecs
codecs.open('filename', encoding='utf8')
五、Python正则表达式:re的match方法（来源公众号人人可以学python）
Python 从1.5版本起添加了模块re ，提供 Perl 风格的正则表达式模式
我们经常用的有re.match( ), re.search( )，re.sub( )， 下面我们一个一个来讲一下。
其中注意它们各自的区别
re.match( )
match(
)从要匹配的字符串的起始位置开始匹配一个正则表达式。如果起始位置匹配失败，则返回None
re.match(pattern, string, flags=0)
参数：
pattern： 正则表达式
string：要匹配的字符串
flags：标志位，用来控制匹配模式
[html] view
plain copy
print?
举例：
#!/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
第一个由于一开始匹配不成功，所以结果是None
第二个在字符串开始就找到了“Allen”所以匹配成功，返回结果
第三个，" . "表示任何字符，“ * ”表示前面一个修饰符有任何个（包括0个）
所以" .* "就是匹配任何个数的任何字符的意思。
[html] view plain copy
print?
#!/usr/bin/python
# -*-
coding: UTF-8 -*-
import re
str1 =
"Allen is renren python"
r =
re.match('Allen', str1)
#
span是返回我们匹配到的字符串的开始和结束的下标
print
r.span()
#
group返回我们匹配到的字符串
print
r.group()
print "\n"
r =
re.match('.*renren.*', str1)
print
r.span()
print
r.group()
数字匹配可以使用\w或者[0-9]
比如要匹配字符串"Jack age:18，sex:m"中的数字
[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("分组匹配输出")
r =
re.match(r'(.*):([0-9] ).*', str1)
if r:
print r.group()
print r.group(1)
print r.group(2)
你会发现我们在正则表达式中使用()就能分组匹配，然后可以使用group返回每个括号中匹配的字符串。
注意: 在re.match(r'(.*):([0-9] ).*', str1)的表达式前面我们使用了一个 r，
r是防止字符串转意，因为我们使用了（）,我们不希望它被当作要匹配的字符。
附：那这就先讲一下转意：
[html] view plain copy
print?
#!/usr/bin/python
# -*-
coding: UTF-8 -*-
#
大家都知道\n是换行符，
# 而\t
是tab空格，相当于我们键盘的tab键
print("We\tare\trenrenpython")
# 加上r防止转意后
print(r"We\tare\trenrenpython")
\是一个特殊符符号，用来转意一些字符，如\n换行符
使用了 r 后"\t"就是字符串"\t", 而不是tab
然后又有新的问题来了，想"\w"," . ", " *
"都被用作了正则表达式的修饰符，如果我们需要把它们当原本的字符匹配怎么办呢？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，所以下面表达式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"
#
如果我们要匹配的是"."这个字符呢?
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
