Python内置的字符串操作和re正则模块可以帮我们解决很多场景下的字符串操作需求。但是在数据分析过程中，它们有时候比较尴尬，比如：
In [143]: dic= {'one':'feixue', 'two':np.nan, 'three':'tom', 'five':'jerry@film'}
In [144]: s = pd.Series(dic)
In [145]: s
Out[145]:
one feixue
two NaN
three tom
five jerry@film
dtype: object
我现在想将s中的字母都大写，通过Python内置字符串方法，你可能会这么设计：
In [159]: s.map(lambda x : x.upper()) --------------------------------------------------------------------------- AttributeError Traceback (most recent call last)
但是，弹出了异常，原因是数据有一个缺失值NaN，这个值不是字符串，没有upper方法。
那怎么办呢？Pandas为这一类整体性的操作，提供了专门的字符串函数，帮助我们跳过缺失值等异常情况，对能够进行操作的每个元素进行处理：
In [160]: s.str.upper() Out[160]: one FEIXUE two NaN three TOM five JERRY@FILM dtype: object
这就是Series的str属性，在它的基础上甚至可以使用正则表达式的函数。
下面是部分可用的Series.str的字符串操作方法，名字基本和Python字符串内置方法相同：
最后，思考一下，DataFrame怎么处理str呢？
DataFrame没有str属性，只能一列一列的用str属性了
那么多方法，博主偷懒不举例。