我有以下Pandas DataFrame：

>>> sample_dataframe
        P
0  107.35
1   99.35
2   75.85
3   92.34

当我尝试以下操作时，输出如下：

>>> sample_dataframe[sample_dataframe['P'].astype(str).str.count('.') == 1]

Empty DataFrame
Columns: [P]
Index: []

使用正则表达式转义字符会发生以下情况：

>>> sample_dataframe[sample_dataframe['P'].astype(str).str.count('\.') == 1]

        P
0  107.35
1   99.35
2   75.85
3   92.34

以下内容进一步强化了这一点：

>>> sample_dataframe['P'].astype(str).str.count('.')

0    6
1    5
2    5
3    5
Name: P,dtype: int64

vs。

sample_dataframe['P'].astype(str).str.count('\.')

0    1
1    1
2    1
3    1
Name: P,dtype: int64

因此，.表达式实际上将所有字符都计为正则表达式通配符，减去换行符，因此计数6、5、5、5与转义的\.相比，后者仅计数实际字符.的出现。

但是，从字符串本身调用的常规函数​​的行为似乎有所不同，并且不需要'。'的正则表达式转义：

>>> '105.35'.count('.')
1

>>> '105.35'.count('\.')
0

编辑：基于一些答案，我将尝试阐明下面的类函数调用（而上面的是实例化对象的方法调用）：

>>> str.count('105.35','.')
1

>>> str.count('105.35','\.')
0

我不确定在后台使用CPython的与Pandas相关的方法（由于NumPy操作）是否将其实现为正则表达式（包括df.apply），或者是否与{{1}中的差异有关}类函数str（即count）与实例化对象的str.count()类方法（在上面的示例str中）'105.35'（即{{ 1}}）。类与对象函数/方法之间的差异是根本原因（以及它们的实现方式），还是由通过NumPy实现DataFrames引起的？

我真的想了解更多有关此的信息，以真正了解其工作原理