我有一个包含一列的数据框，我想将其拆分为两列，其中一列标题为“fips'而另一列'row'
我的数据框df如下所示：
row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
我不知道如何使用df.row.str[:]来实现分割行单元格的目标。我可以使用df['fips'] = hello添加新列，并使用hello填充该列。有任何想法吗？
fips row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
答案 0 :(得分：280)
对于简单的情况：
最简单的解决方案是：
df['A'], df['B'] = df['AB'].str.split(' ', 1).str
或者，您可以使用以下内容为分组的每个条目创建一个包含一列的DataFrame：
df['AB'].str.split(' ', 1, expand=True)
请注意，在任何一种情况下，.tolist()方法都不是必需的。两者都不是zip()。
Andy Hayden's solution在展示str.extract()方法的力量方面非常出色。
但是对于已知分隔符的简单拆分（例如，通过破折号拆分或按空格拆分），.str.split()方法足够 1 。它在字符串的列（系列）上运行，并返回列的列（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]
1：如果您不确定.str.split()的前两个参数是做什么的，
我推荐plain Python version of the method。
但你是怎么做的：
为：
好吧，我们需要仔细查看一列的.str属性。
它是一个神奇的对象，用于收集将列中的每个元素视为字符串的方法，然后尽可能高效地在每个元素中应用相应的方法：
>>> upper_lower_df = pd.DataFrame({"U": ["A", "B", "C"]})
>>> upper_lower_df
U
0 A
1 B
2 C
>>> upper_lower_df["L"] = upper_lower_df["U"].str.lower()
>>> upper_lower_df
U L
0 A a
1 B b
2 C c
但它也有一个＆＃34;索引＆＃34;用于通过索引获取字符串的每个元素的接口：
>>> df['AB'].str[0]
0 A
1 A
Name: AB, dtype: object
>>> df['AB'].str[1]
0 1
1 2
Name: AB, dtype: object
当然，.str的索引接口并不关心它所索引的每个元素实际上是一个字符串，只要它可以被索引，所以：
>>> 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
然后，利用迭代的Python元组解包来做一件简单的事情
>>> 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
当然，从分割一列字符串中获取DataFrame是非常有用的，.str.split()方法可以使用expand=True参数为您执行此操作：
>>> df['AB'].str.split('-', 1, expand=True)
0 1
0 A1 B1
1 A2 B2
所以，另一种完成我们想要的方法是：
>>> df = df[['AB']]
>>> df
AB
0 A1-B1
1 A2-B2
>>> df.join(df['AB'].str.split('-', 1, expand=True).rename(columns={0:'A', 1:'B'}))
AB A B
0 A1-B1 A1 B1
1 A2-B2 A2 B2
答案 1 :(得分：102)
可能有更好的方法，但这是一种方法：
In [34]: import pandas as pd
In [35]: df
Out[35]:
row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
In [36]: df = pd.DataFrame(df.row.str.split(' ',1).tolist(),
columns = ['flips','row'])
In [37]: df
Out[37]:
flips row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
答案 2 :(得分：46)
使用正则表达式模式可以extract完全不同地使用不同的部分：
In [11]: df.row.str.extract('(?P<fips>\d{5})((?P<state>[A-Z ]*$)|(?P<county>.*?), (?P<state_code>[A-Z]{2}$))')
Out[11]:
fips 1 state county state_code
0 00000 UNITED STATES UNITED STATES NaN NaN
1 01000 ALABAMA ALABAMA NaN NaN
2 01001 Autauga County, AL NaN Autauga County AL
3 01003 Baldwin County, AL NaN Baldwin County AL
4 01005 Barbour County, AL NaN Barbour County AL
[5 rows x 5 columns]
解释有点长的正则表达式：
(?P<fips>\d{5})
\d）并将其命名为"fips"。下一部分：
((?P<state>[A-Z ]*$)|(?P<county>.*?), (?P<state_code>[A-Z]{2}$))
是否（|）有两件事之一：
(?P<state>[A-Z ]*$)
*）的大写字母或空格（[A-Z ]），并在字符串结尾（"state"）之前命名此$，或
(?P<county>.*?), (?P<state_code>[A-Z]{2}$))
.*），然后state_code）之前匹配两位数$。 在示例中：
请注意，前两行命中“state”（在县和state_code列中留下NaN），而最后三行命中县，state_code（在州列中留下NaN）。
答案 3 :(得分：27)
df[['fips', 'row']] = df['row'].str.split(' ', n=1, expand=True)
答案 4 :(得分：21)
如果您不想创建新的数据框，或者您的数据框的列数多于您要拆分的列数，则可以：
df["flips"], df["row_name"] = zip(*df["row"].str.split().tolist())
del df["row"]
答案 5 :(得分：20)
您可以使用str.split按空格（默认分隔符）和expand=True参数DataFrame分配给新列：
df = pd.DataFrame({'row': ['00000 UNITED STATES', '01000 ALABAMA',
'01001 Autauga County, AL', '01003 Baldwin County, AL',
'01005 Barbour County, AL']})
print (df)
row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
df[['a','b']] = df['row'].str.split(n=1, expand=True)
print (df)
row a b
0 00000 UNITED STATES 00000 UNITED STATES
1 01000 ALABAMA 01000 ALABAMA
2 01001 Autauga County, AL 01001 Autauga County, AL
3 01003 Baldwin County, AL 01003 Baldwin County, AL
4 01005 Barbour County, AL 01005 Barbour County, AL
如果需要修改，请使用DataFrame.pop
df[['a','b']] = df.pop('row').str.split(n=1, expand=True)
print (df)
a b
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
同样如下：
df[['a','b']] = df['row'].str.split(n=1, expand=True)
df = df.drop('row', axis=1)
print (df)
a b
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
如果收到错误：
#remove n=1 for split by all whitespaces
df[['a','b']] = df['row'].str.split(expand=True)
ValueError：列的长度必须与键的长度相同
您可以检查并返回4列DataFrame，而不仅仅是2：
print (df['row'].str.split(expand=True))
0 1 2 3
0 00000 UNITED STATES None
1 01000 ALABAMA None None
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
然后，解决方案会在join附加新的DataFrame：
df = pd.DataFrame({'row': ['00000 UNITED STATES', '01000 ALABAMA',
'01001 Autauga County, AL', '01003 Baldwin County, AL',
'01005 Barbour County, AL'],
'a':range(5)})
print (df)
a row
0 0 00000 UNITED STATES
1 1 01000 ALABAMA
2 2 01001 Autauga County, AL
3 3 01003 Baldwin County, AL
4 4 01005 Barbour County, AL
df = df.join(df['row'].str.split(expand=True))
print (df)
a row 0 1 2 3
0 0 00000 UNITED STATES 00000 UNITED STATES None
1 1 01000 ALABAMA 01000 ALABAMA None None
2 2 01001 Autauga County, AL 01001 Autauga County, AL
3 3 01003 Baldwin County, AL 01003 Baldwin County, AL
4 4 01005 Barbour County, AL 01005 Barbour County, AL
删除原始列（如果还有其他列）：
df = df.join(df.pop('row').str.split(expand=True))
print (df)
a 0 1 2 3
0 0 00000 UNITED STATES None
1 1 01000 ALABAMA None None
2 2 01001 Autauga County, AL
3 3 01003 Baldwin County, AL
4 4 01005 Barbour County, AL
答案 6 :(得分：8)
如果要根据分隔符将字符串拆分为两列以上，可以省略“最大拆分”参数。
您可以使用：
df['column_name'].str.split('/', expand=True)
这将自动创建与任何初始字符串中包含的最大字段数一样多的列。
答案 7 :(得分：6)
惊讶的是我还没看过这个。如果您只需要两个分割，我强烈建议您。 。
Series.str.partition partition在分隔符上执行一次拆分，并且通常表现出色。
df['row'].str.partition(' ')[[0, 2]]
0 2
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
如果您需要重命名行，
df['row'].str.partition(' ')[[0, 2]].rename({0: 'fips', 2: 'row'}, axis=1)
fips row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
如果您需要将其恢复为原始版本，请使用join或concat：
df.join(df['row'].str.partition(' ')[[0, 2]])
pd.concat([df, df['row'].str.partition(' ')[[0, 2]]], axis=1)
row 0 2
0 00000 UNITED STATES 00000 UNITED STATES
1 01000 ALABAMA 01000 ALABAMA
2 01001 Autauga County, AL 01001 Autauga County, AL
3 01003 Baldwin County, AL 01003 Baldwin County, AL
4 01005 Barbour County, AL 01005 Barbour County, AL
答案 8 :(得分：1)
我更喜欢导出相应的pandas系列（即我需要的列），使用 apply 功能将列内容拆分为多个系列，然后加入生成的列到现有的DataFrame。当然，应该删除源列。
e.g。
col1 = df["<col_name>"].apply(<function>)
col2 = ...
df = df.join(col1.to_frame(name="<name1>"))
df = df.join(col2.toframe(name="<name2>"))
df = df.drop(["<col_name>"], axis=1)
要分割两个单词，字符串函数应该是这样的：
lambda x: x.split(" ")[0] # for the first element
lambda x: x.split(" ")[-1] # for the last element
答案 9 :(得分：0)
我看到没有人使用过切片法，所以我在这里放了2美分。
df["<col_name>"].str.slice(stop=5)
df["<col_name>"].str.slice(start=6)
此方法将创建两个新列。
答案 10 :(得分：0)
使用Statement s = connection.createStatement();
s.execute("CREATE LINKED TABLE IF NOT EXISTS \""
+ linkedName.replaceAll("\"", "\"\"")
+ "\"('', '"
+ url.replaceAll("'", "''")
+ "', '"
+ user.replaceAll("'", "''")
+ "', '"
+ password.replaceAll("'", "''")
+ "', '"
+ schema.replaceAll("'", "''")
+ "', '"
+ table.replaceAll("'", "''")
+ "')");
创建一个新的df。参见http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
df.assgin