芝加哥食品检查（注意，有15万行数据）：chicago_food_inspections.csv
公司客户地址：customers.csv
链接：https://pan.baidu.com/s/1zNYRXzBSvwUxKABQS6DOBA?pwd=1234

1. 字符串空格

输出后发现，没有右对齐，因此是存在前后空格的非标准字符串：

删除前后空格.strip()：【仅左空格是.lstrip()，仅右空格是.rstrip()】

针对每列操作，使用for循环：

2. 字母大小写

全部小写：

全部大写：

字符串首字母大写：

每个单词首字母大写：

3. 字符串切片

提取每一行的风险级别High、Medium、Low。

3.1 首先检查数据，是否都符合要求。

查看唯一值：.unique()

可见除了'Risk 1 (High)'、'Risk 2 (Medium)'、'Risk 3 (Low)'还有'All'和nan：

解决方案：将nan行删去、将'All'改为'Risk 4 (Extreme)'

将nan行删去：.dropna(subset = ["Risk"])

将'All'改为'Risk 4 (Extreme)'：.replace()

现在符合要求：

3.2 切片

按字符串顺序：.slice()

或者直接列表切片：

包括5，不包括6，提取的就是Risk后面的数字：

不规则长度的风险级别切片：

成功实现：

4. 文本查找

字符串包含"pizza"：contains()

字符串开头/结尾包含"tacos"：startwith() / endwith()

5. 字符串拆分

对于customers.csv，姓名拆分为列表：

第3个名字被拆了两次。限制最大拆分数：

列表中内容提取：get()【可以是0、1、-1】

生成DataFrame而非Series的列表：expand=True

添加到之前的DataFrame中：

删除本来的Name列：

6. 拓展

可以用同样的方法处理Address。

在.replace()中，可以用regex = True参数打开正则表达式。