pandas有一种功能非常强大的方法，它就是accessor，可以将它理解为一种属性接口，通过它可以获得额外的方法。其实这样说还是很笼统，下面我们通过代码和实例来理解一下。

　　>>> pd.Series._accessors

　　{'cat', 'str', 'dt'}

　　对于Series数据结构使用_accessors方法，我们得到了3个对象：cat，str，dt。

　　●.cat：用于分类数据(Categorical data)

　　●.str：用于字符数据(String Object data)

　　●.dt：用于时间数据(datetime-like data)

　　下面我们依次看一下这三个对象是如何使用的。

　　str对象的使用

　　Series数据类型：str字符串

　　# 定义一个Series序列

　　>>> addr = pd.Series([

　　... 'Washington, D.C. 20003',

　　... 'Brooklyn, NY 11211-1755',

　　... 'Omaha, NE 68154',

　　... 'Pittsburgh, PA 15211'

　　... ])

　　>>> addr.str.upper()

　　0 WASHINGTON, D.C. 20003

　　1 BROOKLYN, NY 11211-1755

　　2 OMAHA, NE 68154

　　3 PITTSBURGH, PA 15211

　　dtype: object

　　>>> addr.str.count(r'\d')

　　0 5

　　1 9

　　2 5

　　3 5

　　dtype: int64

　　关于以上str对象的2个方法说明：

　　●Series.str.upper：将Series中所有字符串变为大写;

　　●Series.str.count：对Series中所有字符串的个数进行计数;

　　其实不难发现，该用法的使用与Python中字符串的操作很相似。没错，在pandas中你一样可以这样简单的操作，而不同的是你操作的是一整列的字符串数据。仍然基于以上数据集，再看它的另一个操作：

　　关于以上str对象的2个方法说明：

　　●Series.str.replace：将Series中指定字符串替换;

　　●Series.str.extract：通过正则表达式提取字符串中的数据信息;

　　这个用法就有点复杂了，因为很明显看到，这是一个链式的用法。通过replace将 " . "替换为""，即为空，紧接着又使用了3个正则表达式(分别对应city，state，zip)通过extract对数据进行了提取，并由原来的Series数据结构变为了DataFrame数据结构。

　　当然，除了以上用法外，常用的属性和方法还有.rstrip，.contains，split等，我们通过下面代码查看一下str属性的完整列表：

　　属性有很多，对于具体的用法，如果感兴趣可以自己进行摸索练习。

　　dt对象的使用

　　Series数据类型：datetime

　　因为数据需要datetime类型，所以下面使用pandas的date_range()生成了一组日期datetime演示如何进行dt对象操作。

　　以上关于dt的3种方法说明：

　　●Series.dt.day_name()：从日期判断出所处星期数;

　　●Series.dt.quarter：从日期判断所处季节;

　　●Series.dt.is_year_end：从日期判断是否处在年底;

　　其它方法也都是基于datetime的一些变换，并通过变换来查看具体微观或者宏观日期。

　　cat对象的使用

　　Series数据类型：Category

　　在说cat对象的使用前，先说一下Category这个数据类型，它的作用很强大。虽然我们没有经常性的在内存中运行上g的数据，但是我们也总会遇到执行几行代码会等待很久的情况。使用Category数据的一个好处就是：可以很好的节省在时间和空间的消耗。下面我们通过几个实例来学习一下。

　　上面我们通过使用sys.getsizeof来显示内存占用的情况，数字代表字节数。还有另一种计算内容占用的方法：memory_usage()，后面会使用。

　　现在我们将上面colors的不重复值映射为一组整数，然后再看一下占用的内存。

　　注：对于以上的整数值映射也可以使用更简单的pd.factorize()方法代替。

　　我们发现上面所占用的内存是使用object类型时的一半。其实，这种情况就类似于Category data类型内部的原理。

　　内存占用区别：Categorical所占用的内存与Categorical分类的数量和数据的长度成正比，相反，object所占用的内存则是一个常数乘以数据的长度。

　　下面是object内存使用和category内存使用的情况对比。

　　上面结果是使用object和Category两种情况下内存的占用情况。

　　我们发现效果并没有我们想象中的那么好。但是注意Category内存是成比例的，如果数据集的数据量很大，但不重复分类(unique)值很少的情况下，那么Category的内存占用可以节省达到10倍以上，比如下面数据量增大的情况：

　　可以看到，在数据量增加10倍以后，使用Category所占内容节省了10倍以上。

　　除了占用内存节省外，另一个额外的好处是计算效率有了很大的提升。因为对于Category类型的Series，str字符的操作发生在.cat.categories的非重复值上，而并非原Series上的所有元素上。也就是说对于每个非重复值都只做一次操作，然后再向与非重复值同类的值映射过去。

　　对于Category的数据类型，可以使用accessor的cat对象，以及相应的属性和方法来操作Category数据。

　　实际上，对于开始的整数类型映射，我们可以先通过reorder_categories进行重新排序，然后再使用cat.codes来实现对整数的映射，来达到同样的效果。

　　dtype类型是Numpy的int8(-127~128)。可以看出以上只需要一个单字节就可以在内存中包含所有的值。我们开始的做法默认使用了int64类型，然而通过pandas的使用可以很智能的将Category数据类型变为最小的类型。

　　让我们来看一下cat还有什么其它的属性和方法可以使用。下面cat的这些属性基本都是关于查看和操作Category数据类型的。

　　但是Category数据的使用不是很灵活。例如，插入一个之前没有的值，首先需要将这个值添加到.categories的容器中，然后再添加值。

　　如果你想设置值或重塑数据，而非进行新的运算操作，那么Category类型不是那么有用。

上一篇

pandas操作：生成器__iter__分析数据样本

下一篇

pandas操作：一行pandas代码搞定 Excel “条件格式”