分割成一個(gè)包含兩個(gè)元素列表的列

對(duì)于一個(gè)已知分隔符的簡(jiǎn)單分割（例如，用破折號(hào)分割或用空格分割）.str.split() 方法就足夠了 。 它在字符串的列（系列）上運(yùn)行，并返回列表（系列）。

>>> import pandas as pd
>>> df = pd.DataFrame({'AB': ['A1-B1', 'A2-B2']})
>>> df

  AB
0 A1-B1
1 A2-B2
>>> df['AB_split'] = df['AB'].str.split('-')
>>> df

  AB AB_split
0 A1-B1 [A1, B1]
1 A2-B2 [A2, B2]

分割成兩列，每列包含列表的相應(yīng)元素

下面來(lái)看下如何從：分割成一個(gè)包含兩個(gè)元素列表的列至分割成兩列，每列包含列表的相應(yīng)元素。

>>> df['AB'].str[0]

0 A
1 A
Name: AB, dtype: object

>>> df['AB'].str[1]

0 1
1 2
Name: AB, dtype: object

因此可以得到

>>> df['AB'].str.split('-', 1).str[0]

0 A1
1 A2
Name: AB, dtype: object

>>> df['AB'].str.split('-', 1).str[1]

0 B1
1 B2
Name: AB, dtype: object

可以通過(guò)如下代碼將pandas的一列分成兩列：

>>> df['A'], df['B'] = df['AB'].str.split('-', 1).str
>>> df

  AB AB_split A B
0 A1-B1 [A1, B1] A1 B1
1 A2-B2 [A2, B2] A2 B2

補(bǔ)充知識(shí)：pandas某一列中每一行拆分成多行的方法

在處理數(shù)據(jù)過(guò)程中，常會(huì)遇到將一條數(shù)據(jù)拆分成多條，比如一個(gè)人的地址信息中，可能有多條地址，既有家庭地址也有工作地址，還有電話信息等等類似的情況，實(shí)際使用數(shù)據(jù)的時(shí)候又需要分開(kāi)處理，這個(gè)時(shí)候就需要將這一條數(shù)據(jù)進(jìn)行拆分成多條，以方便使用。

在pandas中如何對(duì)DataFrame進(jìn)行相關(guān)操作呢，經(jīng)查閱相關(guān)資料，發(fā)現(xiàn)了一個(gè)簡(jiǎn)單的辦法，

info.drop(['city'], axis=1).join(info['city'].str.split(' ', expand=True).stack().reset_index(level=1, drop=True).rename('city'))

看起來(lái)非常之長(zhǎng)，分開(kāi)來(lái)看，流程如下：

將需要拆分的數(shù)據(jù)使用split拆分工具拆分，并使用expand功能拆分成多列

將拆分后的多列數(shù)據(jù)進(jìn)行列轉(zhuǎn)行操作(stack)，合并成一列

將生成的復(fù)合索引重新進(jìn)行reset保留原始的索引,并命名

將上面處理后的DataFrame和原始DataFrame進(jìn)行join操作，默認(rèn)使用的是索引進(jìn)行連接

具體操作如下：

預(yù)操作：生成需要使用的DataFrame

# 用來(lái)生成DataFrame的工具
from pydbgen import pydbgen
myDB=pydbgen.pydb()

# 生成一個(gè)DataFrame
info = myDB.gen_dataframe(10,['name','phone','city','state'])

結(jié)果如下：

假如現(xiàn)在我們要對(duì)city列進(jìn)行進(jìn)行拆分，按照空格拆分，轉(zhuǎn)換成多行的數(shù)據(jù)，
第一步：拆分，生成多列

info_city = info['city'].str.split(' ', expand=True)

結(jié)果如下：

可以看到已經(jīng)將原始數(shù)據(jù)拆分成了2列，對(duì)于無(wú)法拆分的數(shù)據(jù)為None

第二步：行轉(zhuǎn)列

info_city = info_city.stack()

結(jié)果如下：

其中前面兩列是索引，返回的是一個(gè)series，沒(méi)有名字的series

第三步：重置索引，并命名（并刪除多于的索引）

info_city = info_city.reset_index(level=1, drop=True)

結(jié)果如下：

第四步：和原始數(shù)據(jù)合并

info_new = info.drop(['city'], axis=1).join(info_city)

結(jié)果如下：

需要特別注意的是，需要使用原始的連接新生成的，因?yàn)樾律傻氖且粋€(gè)series沒(méi)有join方法，也可以通過(guò)將生成的series通過(guò)to_frame方法轉(zhuǎn)換成DataFrame，這樣就沒(méi)有什么差異了

寫了這么多，記住下面的就行了：

info.drop([‘city'], axis=1).join(info[‘city'].str.split(' ', expand=True).stack().reset_index(level=1, drop=True).rename(‘city'))

如果原數(shù)據(jù)中已經(jīng)是list了，可以將info[‘city'].str.split(' ', expand=True)這部分替換成info[‘city'].apply(lambda x: pd.Series(x))，就可以達(dá)到相同的目的。

以上這篇Pandas實(shí)現(xiàn)一列數(shù)據(jù)分隔為兩列就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論