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
Out[93]: {'cat', 'dt', 'str'}
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。
一、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',
'*lyn, NY 11211-1755',
'Omaha, NE 68154',
'Pittsburgh, PA 15211'
])
addr.str.upper()
Out[95]:
0 WASHINGTON, D.C. 20003
1 *LYN, NY 11211-1755
2 OMAHA, NE 68154
3 PITTSBURGH, PA 15211
dtype: object
addr.str.count(r'\d')
Out[96]:
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：
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)
Out[98]:
city state zip
0 Washington DC 20003
1 *lyn NY 11211-1755
2 Omaha NE 68154
3 Pittsburgh PA 15211
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('_')]
Out[99]:
['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']
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。
二、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'))
daterng
Out[101]:
0 2017-03-31
1 2017-06-30
2 2017-09-30
3 2017-12-31
4 2018-03-31
5 2018-06-30
6 2018-09-30
7 2018-12-31
8 2019-03-31
dtype: datetime64[ns]
daterng.dt.day_name()
Out[102]:
0 Friday
1 Friday
2 Saturday
3 Sunday
4 Saturday
5 Saturday
6 Sunday
7 Monday
8 Sunday
dtype: object
# 查看下半年
daterng[daterng.dt.quarter > 2]
Out[104]:
2 2017-09-30
3 2017-12-31
6 2018-09-30
7 2018-12-31
dtype: datetime64[ns]
daterng[daterng.dt.is_year_end]
Out[105]:
3 2017-12-31
7 2018-12-31
dtype: datetime64[ns]
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。
[i for i in dir(pd.Series.dt) if not i.startswith('_')]
Out[106]:
['ceil',
'components',
'date',
'day',
'day_name',
'dayofweek',
'dayofyear',
'days',
'days_in_month',
'daysinmonth',
'floor',
'freq',
'hour',
'is_leap_year',
'is_month_end',
'is_month_start',
'is_quarter_end',
'is_quarter_start',
'is_year_end',
'is_year_start',
'microsecond',
'microseconds',
'minute',
'month',
'month_name',
'nanosecond',
'nanoseconds',
'normalize',
'quarter',
'round',
'second',
'seconds',
'strftime',
'time',
'to_period',
'to_pydatetime',
'to_pytimedelta',
'total_seconds',
'tz',
'tz_convert',
'tz_localize',
'week',
'weekday',
'weekday_name',
'weekofyear',
'year']
三、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)
Out[109]:
0 59
1 59
2 61
3 59
4 61
5 53
6 53
7 59
8 53
9 53
dtype: int64
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
Out[111]: {'periwinkle': 0, 'mint green': 1, 'burnt orange': 2, 'rose': 3, 'navy': 4}
as_int = colors.map(mapper)
as_int
Out[113]:
0 0
1 1
2 2
3 0
4 2
5 3
6 3
7 1
8 3
9 4
dtype: int64
as_int.apply(sys.getsizeof)
Out[114]:
0 24
1 28
2 28
3 24
4 28
5 28
6 28
7 28
8 28
9 28
dtype: int64
- 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)
Out[115]: 650
colors.astype('category').memory_usage(index=False, deep=True)
Out[116]: 495
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()
Out[118]: 20.0
manycolors.memory_usage(index=False, deep=True)
Out[119]: 6500
manycolors.astype('category').memory_usage(index=False, deep=True)
Out[120]: 585
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.categories
Out[122]: Index(['burnt orange', 'mint green', 'navy', 'periwinkle', 'rose'], dtype='object')
ccolors.unique()
Out[123]:
[periwinkle, mint green, burnt orange, rose, navy]
Categories (5, object): [periwinkle, mint green, burnt orange, rose, navy]
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.codes
Out[124]:
0 0
1 1
2 2
3 0
4 2
5 3
6 3
7 1
8 3
9 4
dtype: int8
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('_')]
Out[125]:
['add_categories',
'as_ordered',
'as_unordered',
'categories',
'codes',
'ordered',
'remove_categories',
'remove_unused_categories',
'rename_categories',
'reorder_categories',
'set_categories']
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'
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。