Question

我有以下数据框，我想将Col2拆分成多列：

输入数据框：

>>> mydf= pd.DataFrame({'Col1':['AA','AB','AAC'], 'Col2':['AN||Ind(0.9)','LN||RED(8.9)','RN||RED(9.8)'], 'Col3':['log1','log2','log3']})

>>> mydf
   Col1      Col2      Col3
0   AA  AN||Ind(0.9)  log1
1   AB  LN||RED(8.9)  log2
2  AAC  RN||RED(9.8)  log3

Desired DataFrame：

  Col1  Col2 Col3  Col4  Col5
0   AA   AN  log1  Ind   0.9
1   AB   LN  log2  RED   8.9
2  AAC   RN  log3  RED   9.8

我从Apply开始，但以下几步将会很快完成。有什么捷径吗？

mydf['Col4']=mydf['Col2'].apply(lambda x: str(x).split('||')[0])

还有点混淆为什么下面会抛出一个评价错误：

mydf['Col2'].str.split('||', expand=True)

ValueError: split() requires a non-empty pattern match.

Answer 1

您可以使用str.extract和assign

拆分列

regex = '(?P<Col2>.*)\|{2,}(?P<Col4>.*)\((?P<Col5>.*)\)'
mydf.assign(**mydf.Col2.str.extract(regex, expand=True).to_dict('list'))

  Col1 Col2  Col3 Col4 Col5
0   AA   AN  log1  Ind  0.9
1   AB   LN  log2  RED  8.9
2  AAC   RN  log3  RED  9.8

或等同于combine_first

regex = '(?P<Col2>.*)\|{2,}(?P<Col4>.*)\((?P<Col5>.*)\)'
mydf.Col2.str.extract(regex, expand=True).combine_first(mydf)

  Col1 Col2  Col3 Col4 Col5
0   AA   AN  log1  Ind  0.9
1   AB   LN  log2  RED  8.9
2  AAC   RN  log3  RED  9.8

解释

这使用正则表达式来解析Col2值并同时指定列名

regex = '(?P<Col2>.*)\|{2,}(?P<Col4>.*)\((?P<Col5>.*)\)'

'(?P<Col2>.*)\|{2,}'会抓住第一个|的所有内容并将其称为Col2
'(?P<Col4>.*)'抓取括号中的所有内容并将其称为Col4
'\((?P<Col5>.*)\)'抓住括号内的所有内容并将其称为Col5
最后，我们要么重新分配Col2覆盖现有的Col2，要么我们使用combine_first默认为新制定的Col2值。

Answer 2

@piRSquared的答案和往常一样令人惊讶并且赞成，我只是发布我的方法。我只是保持简单

mydf[['Col2', 'Col4', 'Col5']]= mydf.Col2.str.extract('(.*?)\|\|(.*?)\((.*?)\)', expand = True)

Col2会自动重新分配，因此以后无需删除列。

    Col1    Col2    Col3    Col4    Col5
0   AA      AN      log1    Ind     0.9
1   AB      LN      log2    RED     8.9
2   AAC     RN      log3    RED     9.8

Answer 3

使用the great @piRSquared's solution

中的RegEx

In [59]: regex = '(?P<Col2>.*)\|{2,}(?P<Col4>.*)\((?P<Col5>.*)\)'

In [60]: mydf = mydf.join(mydf.pop('Col2').str.extract(regex, expand=True)) \
                    .sort_index(axis=1)

In [61]: mydf
Out[61]:
  Col1 Col2  Col3 Col4 Col5
0   AA   AN  log1  Ind  0.9
1   AB   LN  log2  RED  8.9
2  AAC   RN  log3  RED  9.8

Pandas拆分了一个数据帧列

3 个答案: