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'}复制代码
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. 200031 brooklyn, ny 11211-17552 omaha, ne 681543 pittsburgh, pa 15211dtype: object>>> addr.str.count(r'\d') 0 51 92 53 5dtype: int64复制代码
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：
>>> regex = (r'(?p<city>[a-za-z ]+), ' # 一个或更多字母... r'(?p<state>[a-z]{2}) ' # 两个大写字母... r'(?p<zip>\d{5}(?:-\d{4})?)') # 可选的4个延伸数字...>>> addr.str.replace('.', '').str.extract(regex) city state zip0 washington dc 200031 brooklyn ny 11211-17552 omaha ne 681543 pittsburgh pa 15211复制代码
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：
>>> [i for i in dir(pd.series.str) if not i.startswith('_')]['capitalize', 'cat', 'center', 'contains', 'count', 'decode', 'encode', 'endswith', 'extract', 'extractall', 'find', 'findall', 'get', 'get_dummies', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'islower', 'isnumeric', 'isspace', 'istitle', 'isupper', 'join', 'len', 'ljust', 'lower', 'lstrip', 'match', 'normalize', 'pad', 'partition', 'repeat', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'slice', 'slice_replace', 'split', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'wrap', 'zfill']复制代码
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。
>>> daterng = pd.series(pd.date_range('2017', periods=9, freq='q'))>>> daterng0 2017-03-311 2017-06-302 2017-09-303 2017-12-314 2018-03-315 2018-06-306 2018-09-307 2018-12-318 2019-03-31dtype: datetime64[ns]>>> daterng.dt.day_name()0 friday1 friday2 saturday3 sunday4 saturday5 saturday6 sunday7 monday8 sundaydtype: object>>> # 查看下半年>>> daterng[daterng.dt.quarter > 2]2 2017-09-303 2017-12-316 2018-09-307 2018-12-31dtype: datetime64[ns]>>> daterng[daterng.dt.is_year_end]3 2017-12-317 2018-12-31dtype: datetime64[ns]复制代码
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。
>>> colors = pd.series([... 'periwinkle',... 'mint green',... 'burnt orange',... 'periwinkle',... 'burnt orange',... 'rose',... 'rose',... 'mint green',... 'rose',... 'navy'... ])...>>> import sys>>> colors.apply(sys.getsizeof)0 591 592 613 594 615 536 537 598 539 53dtype: int64复制代码
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。
>>> mapper = {v: k for k, v in enumerate(colors.unique())}>>> mapper{'periwinkle': 0, 'mint green': 1, 'burnt orange': 2, 'rose': 3, 'navy': 4}>>> as_int = colors.map(mapper)>>> as_int0 01 12 23 04 25 36 37 18 39 4dtype: int64>>> as_int.apply(sys.getsizeof)0 241 282 283 244 285 286 287 288 289 28dtype: int64复制代码
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。
>>> colors.memory_usage(index=false, deep=true)650>>> colors.astype('category').memory_usage(index=false, deep=true)495复制代码
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：
>>> manycolors = colors.repeat(10)>>> len(manycolors) / manycolors.nunique() 20.0>>> manycolors.memory_usage(index=false, deep=true)6500>>> manycolors.astype('category').memory_usage(index=false, deep=true)585复制代码
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。
>>> ccolors = colors.astype('category')>>> ccolors.cat.categoriesindex(['burnt orange', 'mint green', 'navy', 'periwinkle', 'rose'], dtype='object')复制代码
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。
>>> ccolors.cat.reorder_categories(mapper).cat.codes0 01 12 23 04 25 36 37 18 39 4dtype: int8复制代码
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。
>>> [i for i in dir(ccolors.cat) if not i.startswith('_')]['add_categories', 'as_ordered', 'as_unordered', 'categories', 'codes', 'ordered', 'remove_categories', 'remove_unused_categories', 'rename_categories', 'reorder_categories', 'set_categories']复制代码
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。
>>> ccolors.iloc[5] = 'a new color'# ...valueerror: cannot setitem on a categorical with a new category,set the categories first>>> ccolors = ccolors.cat.add_categories(['a new color'])>>> ccolors.iloc[5] = 'a new color' 复制代码
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。
相关免费学习推荐：python教程（视频）
以上就是1%的人知道的pandas骚操作，传授给你的详细内容。