Question

例如，我有一个pandas列包含

text
A1V2
B2C7Z1

我希望将其拆分为26个（A-Z）列，其中字母后跟值，如果缺少，则为-1。

所以，它可以是

text    A  B  C  D ...  Z
A1V2    1  -1 -1 -1 ... -1
B2C7Z1 -1  2  7  -1 ... 1

有没有快速的方法而不是使用df.apply（）？

跟进： 感谢Psidom的精彩回答。当我使用该方法运行4百万行时，我花了1个小时。我希望有另一种方法可以让它更快。似乎str.extractall（）是最耗时的。

Answer 1

尝试使用正则表达式str.extractall (?P<key>[A-Z])(?P<value>[0-9]+)，将密钥（ [AZ] ）值（ [0-9] + ）提取到单独的列和长到宽的变换应该可以帮助你。

此处正则表达式(?P<key>[A-Z])(?P<value>[0-9]+)与 letterDigits 模式匹配，并且两个捕获组在结果中分为两列，分别为列键和值（使用?P<>语法）;

由于 extractall 将多个匹配放入不同的行，您需要在unstack列上使用key将其转换为宽格式：

(df.text.str.extractall("(?P<key>[A-Z])(?P<value>[0-9]+)")
 .reset_index('match', drop=True)
 .set_index('key', append=True)
 .value.unstack('key').fillna(-1))

#key    A   B   C   V   Z
#  0    1  -1  -1   2  -1
#  1   -1   2   7  -1   1

将一个pandas列文本拆分为多个列

1 个答案: