Question

我有一个包含字符串列的pandas DataFrame，需要拆分成两个单独的列。我在this问题的SO上找到的使用tolist的答案就像魅力一样，除非我的列包含NaN。下面的摘录描述了难度：

import pandas as pd
import numpy as np

# Example DataFrame
df = pd.DataFrame([[25.0, '34.2/ 18.1', 'one'],
                   [32.6, '28.6/ 17.9', 'two'],
                   [12.5, '30.1/ 17.6', 'three']], columns=['A', 'B', 'C'])
df2 = df.copy()

# This method works when all data are present
df['D'] = pd.DataFrame(df['B'].str.split('/').tolist())[1]

# However, when there are NaNs:
df2['B'][0] = np.nan

# This line fails
df2['D'] = pd.DataFrame(df2['B'].str.split('/').tolist())[1]

它给了我一个KeyError，因为中间的DataFrame只有一列，表明去往列表然后回来的麻烦不再能够完成任何事情：

               0
0            NaN
1  [28.6,  17.9]
2  [30.1,  17.6]

我尝试先通过pd.DataFrame(df2['B'].str.split('/').dropna().tolist())删除NaN，但后来我丢失了索引......我需要将NaN保持在索引0.我还想到了在创建中重复NaN中间DataFrame强制两列，但没有运气。

这就是我需要df2的数据：

      A           B      C     D
0  25.0         NaN    one   NaN
1  32.6  28.6/ 17.9    two  17.9
2  12.5  30.1/ 17.6  three  17.6

有没有办法在不使用列表作为中介的情况下执行此操作？或者以某种方式处理NaN？

Answer 1

如果您在拆分后再次使用str访问者（而不是使用tolist()并制作另一个DataFrame），则可以继续使用您的方法：

>>> df2['D'] = df2['B'].str.split('/').str[-1]
>>> df2
      A           B      C      D
0  25.0         NaN    one    NaN
1  32.6  28.6/ 17.9    two   17.9
2  12.5  30.1/ 17.6  three   17.6

如果索引不存在，则返回NaN，而不是引发错误。

Answer 2

The str.extract method允许您提供正则表达式模式。模式中的每个组都作为单独的列返回。找不到匹配项时使用NaN：

df2['D'] = df2['B'].str.extract(r'/(.*)')
print(df2)

产量

      A           B      C      D
0  25.0         NaN    one    NaN
1  32.6  28.6/ 17.9    two   17.9
2  12.5  30.1/ 17.6  three   17.6

请注意，如果您希望将D列视为浮点数，那么您还需要调用astype：

df2['D'] = df2['D'].astype('float')

在存在NaN的情况下将pandas柱拆分成新柱

2 个答案: