快捷導(dǎo)航

Pandas使用分隔符或正則表達(dá)式將字符串拆分為多列

更新時(shí)間：2023年02月22日 10:46:17 作者：餃子大人

本文主要介紹了Pandas使用分隔符或正則表達(dá)式將字符串拆分為多列，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

str.split（）：用定界符分割

要按定界符（delimiter）進(jìn)行拆分，使用字符串方法str.split（）。

pandas.Series

以以下pandas.Series為例。

import pandas as pd

s_org = pd.Series(['aaa@xxx.com', 'bbb@yyy.com', 'ccc@zzz.com', 'ddd'], index=['A', 'B', 'C', 'D'])
print(s_org)
print(type(s_org))
# A ? ?aaa@xxx.com
# B ? ?bbb@yyy.com
# C ? ?ccc@zzz.com
# D ? ? ? ? ? ?ddd
# dtype: object
# <class 'pandas.core.series.Series'>

將定界符指定為第一個(gè)參數(shù)。一個(gè)pandas.Series元素作為拆分字符串的列表返回。

s = s_org.str.split('@')
print(s)
print(type(s))
# A    [aaa, xxx.com]
# B    [bbb, yyy.com]
# C    [ccc, zzz.com]
# D             [ddd]
# dtype: object
# <class 'pandas.core.series.Series'>

指定split = True作為參數(shù)可分為多個(gè)列并以pandas.DataFrame的形式獲取。默認(rèn)值為expand = False。

沒有足夠的行劃分的元素為“無(None)”。

df = s_org.str.split('@', expand=True)
print(df)
print(type(df))
#      0        1
# A  aaa  xxx.com
# B  bbb  yyy.com
# C  ccc  zzz.com
# D  ddd     None
# <class 'pandas.core.frame.DataFrame'>

可以在列中指定獲取的pandas.DataFrame的列名。

df.columns = ['local', 'domain']
print(df)
#   local   domain
# A   aaa  xxx.com
# B   bbb  yyy.com
# C   ccc  zzz.com
# D   ddd     None

pandas.DataFrame

如果要通過將pandas.DataFrame的特定列拆分為多列來更新它，這會(huì)有些乏味?？赡苡懈玫姆椒?。

以先前創(chuàng)建的pandas.DataFrame為例。

print(df)
#   local   domain
# A   aaa  xxx.com
# B   bbb  yyy.com
# C   ccc  zzz.com
# D   ddd     None

在特定的列上使用str.split（）獲得一個(gè)拆分的pandas.DataFrame。

print(df['domain'].str.split('.', expand=True))
#       0     1
# A   xxx   com
# B   yyy   com
# C   zzz   com
# D  None  None

使用pd.concat（）與原始pandas.DataFrame進(jìn)行串聯(lián)（聯(lián)接），并使用drop（）方法刪除原始列。

df2 = pd.concat([df, df['domain'].str.split('.', expand=True)], axis=1).drop('domain', axis=1)
print(df2)
#   local     0     1
# A   aaa   xxx   com
# B   bbb   yyy   com
# C   ccc   zzz   com
# D   ddd  None  None

如果剩余的列很少，則只能選擇與pd.concat（）串聯(lián)（聯(lián)接）時(shí)所需的列。

df3 = pd.concat([df['local'], df['domain'].str.split('.', expand=True)], axis=1)
print(df3)
#   local     0     1
# A   aaa   xxx   com
# B   bbb   yyy   com
# C   ccc   zzz   com
# D   ddd  None  None

要重命名特定的列，請(qǐng)使用rename（）方法。

df3.rename(columns={0: 'second_LD', 1: 'TLD'}, inplace=True)
print(df3)
#   local second_LD   TLD
# A   aaa       xxx   com
# B   bbb       yyy   com
# C   ccc       zzz   com
# D   ddd      None  None

參考文章

Pandas.DataFrame的行名和列名的修改

str.extract()：按正則表達(dá)式拆分

使用字符串方法str.extract（）分割正則表達(dá)式。

以以下pandas.Series為例。

import pandas as pd

s_org = pd.Series(['aaa@xxx.com', 'bbb@yyy.com', 'ccc@zzz.com', 'ddd'], index=['A', 'B', 'C', 'D'])
print(s_org)
# A ? ?aaa@xxx.com
# B ? ?bbb@yyy.com
# C ? ?ccc@zzz.com
# D ? ? ? ? ? ?ddd
# dtype: object

在第一個(gè)參數(shù)中指定正則表達(dá)式。對(duì)于每個(gè)與正則表達(dá)式中用（）括起來的組部分匹配的字符串，均對(duì)其進(jìn)行劃分。

提取多個(gè)組時(shí)，無論參數(shù)expand如何，都將返回pandas.DataFrame。

如果不匹配，則為NaN。

df = s_org.str.extract('(.+)@(.+)\.(.+)', expand=True)
print(df)
# ? ? ?0 ? ?1 ? ?2
# A ?aaa ?xxx ?com
# B ?bbb ?yyy ?com
# C ?ccc ?zzz ?com
# D ?NaN ?NaN ?NaN

df = s_org.str.extract('(.+)@(.+)\.(.+)', expand=False)
print(df)
# ? ? ?0 ? ?1 ? ?2
# A ?aaa ?xxx ?com
# B ?bbb ?yyy ?com
# C ?ccc ?zzz ?com
# D ?NaN ?NaN ?NaN

如果只有一組，則當(dāng)參數(shù)expand = True時(shí)返回pandas.DataFrame，如果expand = False則返回pandas.Series。

df_single = s_org.str.extract('(\w+)', expand=True)
print(df_single)
print(type(df_single))
# ? ? ?0
# A ?aaa
# B ?bbb
# C ?ccc
# D ?ddd
# <class 'pandas.core.frame.DataFrame'>

s = s_org.str.extract('(\w+)', expand=False)
print(s)
print(type(s))
# A ? ?aaa
# B ? ?bbb
# C ? ?ccc
# D ? ?ddd
# dtype: object
# <class 'pandas.core.series.Series'>

Expand = False是當(dāng)前版本0.22.0中的默認(rèn)值，但expand = True將是將來的默認(rèn)值。

FutureWarning: currently extract(expand=None) means expand=False (return Index/Series/DataFrame)
but in a future version of pandas this will be changed to expand=True (return DataFrame)

如果對(duì)正則表達(dá)式模式使用命名組（？P …），則該名稱將按原樣是列名。

df_name = s_org.str.extract('(?P<local>.*)@(?P<second_LD>.*)\.(?P<TLD>.*)', expand=True)
print(df_name)
#   local second_LD  TLD
# A   aaa       xxx  com
# B   bbb       yyy  com
# C   ccc       zzz  com
# D   NaN       NaN  NaN

如果要通過將pandas.DataFrame的特定列劃分為多個(gè)列來進(jìn)行更新，請(qǐng)參考上面的str.split（）示例。使用pd.concat（）連接（聯(lián)接）原始的pandas.DataFrame并使用drop（）方法刪除原始的列。

到此這篇關(guān)于Pandas使用分隔符或正則表達(dá)式將字符串拆分為多列的文章就介紹到這了,更多相關(guān)Pandas 字符串拆分為多列內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: