Pandas怎么对字符串列截取_str.slice()或str[:3]截取固定长度字符

str.slice()是Pandas专为字符串Series设计的安全切片方法，自动跳过NaN、保持缺失值语义，不报错也不强转；需显式指定start和stop（如.str.slice(0, 3)取前3字符），支持负索引，且要求列dtype为string或全字符串object。

用 _str.slice() 截取字符串列最稳妥

直接用 df["col"].str[:3] 看似简单，但遇到 NaN 或非字符串值会报错或静默转成 "nan"；_str.slice() 是 Pandas 专为 Series 字符串操作设计的方法，内部自动跳过 NaN，保持 dtype 和缺失值语义不变。

• _str.slice() 只作用于 string 类型的 Series，对 NaN 返回 NaN，不报错也不强转
• str[:3] 实际调用的是 Python 原生切片，Series 中一旦有 NaN（浮点型）或数字，就会触发 TypeError: 'float' object is not subscriptable
• 如果列里混有数字（比如 123、"abc"），str[:3] 会把数字转成字符串再切，但 _str.slice() 默认只处理字符串，其他类型保留原值（可配 na=False 控制）

别漏掉 start 和 end 参数的默认行为

_str.slice() 不是简单等价于 [:3] —— 它默认从 start=0 开始，但 end 为 None 时不会截到末尾，而是按字面意思“切出长度为 0 的空串”，除非你显式写 end=3。

• 想取前 3 个字符：必须写 .str.slice(0, 3)，不能只写 .str.slice(0)
• .str.slice(1) 等价于 [1:]，不是取第 1 位，而是从索引 1 开始到末尾
• 支持负数索引：.str.slice(-3) 取后 3 个字符，.str.slice(-3, None) 效果一样

遇到 AttributeError: Can only use .str accessor with string values 怎么办

这是最常卡住人的错误，说明列里有非字符串数据（比如 int、float、None），而 .str 要求底层 dtype 是 string 或至少是 object 且全为字符串。

课游记AI

AI原生学习产品

下载

• 先检查类型：df["col"].dtype，如果是 object，用 df["col"].apply(type).unique() 看混了哪些类型
• 安全转换：用 df["col"].astype("string")（Pandas 1.0+ 推荐）或 df["col"].astype(str)（会把 NaN 变成字符串 "nan"，慎用）
• 更保守的做法：df["col"].map(lambda x: x[:3] if isinstance(x, str) else x)，但失去向量化性能

_str.slice() 和 str.slice() 不是一回事

有人搜到 str.slice() 就直接套用，结果报错 —— 那是旧版 Pandas（_str.slice()，注意开头两个下划线。

• 错的：df["col"].str.slice(0, 3) → 报 AttributeError（StringMethods 对象没有 slice 方法）
• 对的：df["col"].str.slice(0, 3) 实际上是 df["col"]._str.slice(0, 3) 的简写，Pandas 内部做了代理
• 文档里写的 Series.str.slice，指的是 .str accessor 下的 slice 方法，不是 Python 内置 str 类的方法