我的数据框如下:
Honda [edit]
Accord (4 models)
Civic (4 models)
Pilot (3 models)
Toyota [edit]
Prius (4 models)
Highlander (3 models)
Ford [edit]
Explorer (2 models)
我希望重塑它,以便得到如下结果的2列数据框:
Honda Accord
Honda Civic
Honda Pilot
Toyota Prius
Toyota Highlander
等等。 我试过str.split尝试在编辑之间分割,但没有成功。任何建议都非常感谢! Python新手在这里...如果之前已经解决过这么道歉。 谢谢!
到目前为止,我试过
maker=car['T'].str.extract('(.*\[edit\])', expand=False).str.replace('\[edit\]',"")
这给了我制造商的名单:本田,丰田和福特。然而,我一直在寻找一种方法来提取制造商之间的模型以创建2 col DF。
答案 0 :(得分:11)
诀窍是首先提取汽车列,然后获取制造商。
import pandas as pd
import numpy as np
df['model'] = df['T'].apply(lambda x: x.split(
'(')[0].strip() if x.count('(') > 0 else np.NaN)
df['maker'] = df['T'].apply(lambda x: x.split('[')[0].strip(
) if x.count('[') > 0 else np.NaN).fillna(method="ffill")
df = df.dropna().drop('T', axis=1).reindex(
columns=['maker', 'model']).reset_index(drop=True)
如果条目包含'('
,则代码的第一行通过分割和条带字符串操作提取所有汽车,否则分配NaN
,我们使用NaN
以便我们可以找到制造商后删除这些行。
在此阶段,数据框df
将为:
+----+-----------------------+------------+
| | T | model |
|----+-----------------------+------------|
| 0 | Honda [edit] | nan |
| 1 | Accord (4 models) | Accord |
| 2 | Civic (4 models) | Civic |
| 3 | Pilot (3 models) | Pilot |
| 4 | Toyota [edit] | nan |
| 5 | Prius (4 models) | Prius |
| 6 | Highlander (3 models) | Highlander |
| 7 | Ford [edit] | nan |
| 8 | Explorer (2 models) | Explorer |
+----+-----------------------+------------+
第二行的内容相同,但对于'['
条记录,此处NaNs
用于使用fillna填充空的制作单元格
在此阶段,数据框df
将为:
+----+-----------------------+------------+---------+
| | T | model | maker |
|----+-----------------------+------------+---------|
| 0 | Honda [edit] | nan | Honda |
| 1 | Accord (4 models) | Accord | Honda |
| 2 | Civic (4 models) | Civic | Honda |
| 3 | Pilot (3 models) | Pilot | Honda |
| 4 | Toyota [edit] | nan | Toyota |
| 5 | Prius (4 models) | Prius | Toyota |
| 6 | Highlander (3 models) | Highlander | Toyota |
| 7 | Ford [edit] | nan | Ford |
| 8 | Explorer (2 models) | Explorer | Ford |
+----+-----------------------+------------+---------+
第三行删除额外记录并重新排列列以及重置索引
| | maker | model |
|----+---------+------------|
| 0 | Honda | Accord |
| 1 | Honda | Civic |
| 2 | Honda | Pilot |
| 3 | Toyota | Prius |
| 4 | Toyota | Highlander |
| 5 | Ford | Explorer |
编辑:
更“可爱”的版本(我喜欢一个衬垫)
df = df['T'].str.extractall('(.+)\[|(.+)\(').apply(
lambda x: x.ffill()
if x.name==0
else x).dropna(subset=[1]).reset_index(
drop=True).rename(columns={1:'Model',0:'Maker'})
以上的工作原理如下
extractall
会返回一个包含两列的DataFrame;列0
对应于使用第一组'(.+)\['
提取的正则表达式中的组,即制造商记录以;和列1
对应第二组,即'(.+)\('
,apply
用于遍历列,名为0
的列将被修改为传播'Maker'通过ffill
和列1
转发的值将保留原样。然后,dropna
与子集1
一起使用,以删除列1
中的值为NaN
的所有行,reset_index
用于删除多索引{ {1}}生成。最后,使用rename
和对应字典重命名列
另一个班轮(func;))
extractall
答案 1 :(得分:3)
您可以将extract
与ffill
一起使用。然后从boolean indexing
删除包含[edit]
的行,并按str.contains
删除,然后reset_index
删除创建唯一index
的行,最后删除原始列col
drop
:
df['model'] = df.col.str.extract('(.*)\[edit\]', expand=False).ffill()
df['type'] = df.col.str.extract('([A-Za-z]+)', expand=False)
df = df[~df.col.str.contains('\[edit\]')].reset_index(drop=True).drop('col', axis=1)
print (df)
model type
0 Honda Accord
1 Honda Civic
2 Honda Pilot
3 Toyota Prius
4 Toyota Highlander
5 Ford Explorer
另一种解决方案使用extract
和where
按条件创建新列,并再次使用boolean indexing
:
df['type'] = df.col.str.extract('([A-Za-z]+)', expand=False)
df['model'] = df['type'].where(df.col.str.contains('\[edit\]')).ffill()
df = df[df.type != df.model].reset_index(drop=True).drop('col', axis=1)
print (df)
type model
0 Accord Honda
1 Civic Honda
2 Pilot Honda
3 Prius Toyota
4 Highlander Toyota
5 Explorer Ford
编辑:
如果文本中需要type
spaces
,请使用replace
中的所有值(到最后,还要按s\+
删除空格:
print (df)
col
0 Honda [edit]
1 Accord (4 models)
2 Civic (4 models)
3 Pilot (3 models)
4 Toyota [edit]
5 Prius (4 models)
6 Highlander (3 models)
7 Ford [edit]
8 Ford Expedition XL (2 models)
df['model'] = df.col.str.extract('(.*)\[edit\]', expand=False).ffill()
df['type'] = df.col.str.replace(r'\s+\(.+$', '')
df = df[~df.col.str.contains('\[edit\]')].reset_index(drop=True).drop('col', axis=1)
print (df)
model type
0 Honda Accord
1 Honda Civic
2 Honda Pilot
3 Toyota Prius
4 Toyota Highlander
5 Ford Ford Expedition XL
答案 2 :(得分:1)
尝试
df.set_index(['Col1', 'Col2'])
它会像这样重新排列
COl1 COl2
honda civic
civic
accord
toyota prius
highlander
请注意,这是分层数据