### 数据处理中 `split`、`fillna` 和 `expand` 方法详解及示例 #### 1. `str.split()` 方法 `str.split()` 用于将字符串按照指定的分隔符拆分为多个部分，并返回一个列表。在数据处理中，该方法常用于拆分包含多个信息字段的列，以便进一步分析。 例如，假设某列包含姓名和职位信息，格式为 `"姓名, 职位"`，可以使用 `str.split(',')` 拆分： ```python import pandas as pd # 示例数据 df = pd.DataFrame({'name_job': ['张三, 工程师', '李四, 经理', '王五, 主管']}) # 拆分字段 df[['name', 'job']] = df['name_job'].str.split(',', expand=True) ``` 通过设置 `expand=True`，可以将拆分后的结果扩展为多个列[^2]。 --- #### 2. `fillna()` 方法 `fillna()` 用于填充缺失值（`NaN`），是数据清洗中的关键操作。该方法支持多种填充方式，包括固定值、前向填充、后向填充、均值填充等。 例如，使用固定值填充缺失值： ```python # 示例数据 df = pd.DataFrame({'A': [1, 2, None, 4], 'B': [None, 5, 6, None]}) # 填充缺失值为0 df_filled = df.fillna(0) ``` 还可以使用前向填充（`method='ffill'`）或后向填充（`method='bfill'`）： ```python # 前向填充 df_ffill = df.fillna(method='ffill') # 后向填充 df_bfill = df.fillna(method='bfill') ``` 在实际应用中，通常结合数据特征选择合适的填充策略[^1]。 --- #### 3. `expand` 参数详解 `expand` 是 `str.split()` 中的一个参数，用于控制是否将拆分结果扩展为多列。当 `expand=True` 时，返回值为一个 `DataFrame`，每一列对应一个拆分后的字段；当 `expand=False` 时，返回值为一个 `Series`，每个元素是一个列表。 例如，对比 `expand=True` 和 `expand=False` 的区别： ```python # expand=True 返回 DataFrame df_expanded = df['name_job'].str.split(',', expand=True) # expand=False 返回 Series，每个元素是列表 df_list = df['name_job'].str.split(',', expand=False) ``` 在数据处理中，通常使用 `expand=True` 来生成新的列，便于后续分析。 --- #### 4. 结合 `str.split()` 和 `fillna()` 处理复杂字段 在实际数据中，某些字段可能包含缺失值或不规则格式。可以结合 `str.split()` 和 `fillna()` 进行处理。 例如，某列包含不规则的地址信息： ```python df = pd.DataFrame({'address': ['北京市, 海淀区', '上海市, 徐汇区', None, '广州市, 天河区']}) # 填充缺失值并拆分 df[['city', 'district']] = df['address'].fillna('未知, 未知').str.split(',', expand=True) ``` 上述方法确保缺失值不会导致拆分失败，并统一格式[^1]。 --- #### 5. 使用正则表达式提取并扩展字段 在处理复杂字符串时，可以结合 `str.extract()` 和 `expand` 参数提取特定信息。例如，从字符串中提取数字或特定格式的字段： ```python # 示例数据 df = pd.DataFrame({'text': ['订单号:12345', '订单号:67890', '订单号:11223']}) # 提取数字 df['order_id'] = df['text'].str.extract('(\d+)', expand=False) ``` 通过正则表达式 `(\d+)` 提取数字部分，并使用 `expand=False` 返回单列[^2]。 --- #### 6. 数据处理中的字符串替换与格式化 在清洗数据时，常常需要对字符串进行替换或格式化。可以使用 `str.replace()` 方法进行处理： ```python # 替换空格和特殊字符 df['cleaned_text'] = df['raw_text'].str.replace(r'[^\w\s]', '', regex=True).str.strip() ``` 上述代码使用正则表达式删除非字母数字字符，并去除前后空格[^2]。 --- ###