对熊猫来说很新，所以对解决方案的任何解释都表示赞赏。
我有一个数据框，例如
Company Zip State City
1 *CBRE San Diego, CA 92101
4 1908 Brands Boulder, CO 80301
7 1st Infantry Division Headquarters Fort Riley, KS
10 21st Century Healthcare, Inc. Tempe 85282
15 AAA Jefferson City, MO 65101-9564
我想将数据中的Zip State city列拆分为3个不同的列。使用这篇文章中的答案Pandas DataFrame, how do i split a column into two如果我没有第一列，我就可以完成这项任务。编写正则表达式来捕获所有公司只会导致我捕获数据中的所有内容。
我也试过
foo = lambda x: pandas.Series([i for i in reversed(x.split())])
data_pretty = data['Zip State City'].apply(foo)
但这导致我放松了公司专栏，并将多个单词的城市名称拆分为不同的列。
如何在保留公司列数据的同时拆分最后一列？
答案 0 :(得分：8)
您可以使用extract()方法：
In [110]: df
Out[110]:
Company Zip State City
1 *CBRE San Diego, CA 92101
4 1908 Brands Boulder, CO 80301
7 1st Infantry Division Headquarters Fort Riley, KS
10 21st Century Healthcare, Inc. Tempe 85282
15 AAA Jefferson City, MO 65101-9564
In [112]: df[['City','State','ZIP']] = df['Zip State City'].str.extract(r'([^,\d]+)?[,]*\s*([A-Z]{2})?\s*([\d\-]{4,11})?', expand=True)
In [113]: df
Out[113]:
Company Zip State City City State ZIP
1 *CBRE San Diego, CA 92101 San Diego CA 92101
4 1908 Brands Boulder, CO 80301 Boulder CO 80301
7 1st Infantry Division Headquarters Fort Riley, KS Fort Riley KS NaN
10 21st Century Healthcare, Inc. Tempe 85282 Tempe NaN 85282
15 AAA Jefferson City, MO 65101-9564 Jefferson City MO 65101-9564
来自docs：
Series.str.extract(pat, flags=0, expand=None)
对于系列中的每个主题字符串，从第一个中提取组 正则表达式匹配。
版本0.13.0中的新功能。
参数：
pat ：string
带捕获组的正则表达式模式
标志：int，默认为0（无标志）
重新模块标志，例如 re.IGNORECASE .. versionadded :: 0.18.0
展开：bool，默认为False
如果为True，则返回DataFrame。
如果为False，则返回Series / Index / DataFrame。
返回：DataFrame，每个主题字符串有一行，还有一行 每组的列。正则表达式中的任何捕获组名称 pat将用于列名;否则捕获组号 将会被使用。每个结果列的dtype总是对象，甚至 什么时候找不到匹配项。如果expand = True并且pat只有一次捕获 组，然后返回系列（如果主题是系列）或索引（如果 主题是索引）。