Question

我希望有效地在DataFrame上执行以下操作。 DataFrame有一个特殊列，包含字符串，其中某些行有格式问题。 Naemly，就我而言，它有一个+符号，分隔两个独立列的条目。

特别要考虑：

import pandas as pd
pd.DataFrame([ ['a',   0, 1  ], ['b+c', 2, 3  ], 
               ['d+e', 4, 5  ], ['f',   6, 7  ] ])

打印：

     0  1  2
0    a  0  1
1  b+c  2  3
2  d+e  4  5
3    f  6  7

我想将其转换为：

那就是＆＃34;展开＆＃34;存在+符号的行，复制其他列。这可以通过循环遍历并使用正则表达式分配给新数据帧来完成，但我正在寻找一种更简单，更有效的方法。

编辑：最理想的是，该功能允许多个分隔符（+符号）。也就是说，也转变

import pandas as pd
pd.DataFrame([ ['a',   0, 1  ], ['b+c', 2, 3  ], 
               ['d+e+f', 4, 5  ], ['g',   6, 7  ] ])

到

Answer 1

一种方法是将.str.split与stack和join合并：

s = df[0].str.split("+", expand=True).stack()
s.index = s.index.droplevel(1)
result = s.to_frame().join(df.drop(0, axis=1)).reset_index(drop=True)

给了我

In [18]: result
Out[18]: 
   0  1  2
0  a  0  1
1  b  2  3
2  c  2  3
3  d  4  5
4  e  4  5
5  f  4  5
6  g  6  7

Answer 2

我喜欢将其分解为numpy位并将数据帧重新组合在一起。

计划

拉出第一列的值并按location.pathname = '/home/home.html'
计算每个子数组的长度，并用于创建一个用
从步骤1的连接列表中重新构建数据，并在步骤2中使用切片器切片其余数据

var fullUrl = location .protocol + "//" + location.host + "/home/home.html"

快吗？
确定它是！

如果您需要确保'+'保持不变，我们最后可以v = df.values[:, 1:] z = np.core.defchararray.split(df[0].values.astype(str), '+') i = np.arange(len(z)).repeat([len(x) for x in z]) pd.DataFrame(np.column_stack([np.concatenate(z), v[i]])) 0 1 2 0 a 0 1 1 b 2 3 2 c 2 3 3 d 4 5 4 e 4 5 5 f 6 7。这会导致性能下降，但仍然很快。

dtypes

Answer 3

您需要将加号的第一列中的字符串拆分为列表，将每个列表重新转换为Series对象，将Series个对象堆叠为单个Series，然后重置单级索引的索引，仅保留原始行标识符。

然后我们需要使用索引将此系列与原始DataFrame连接起来，然后删除原始列。为方便起见，我将列命名为：

import pandas as pd

df = pd.DataFrame([['a', 0, 1], ['b+c', 2, 3], ['d+e+f', 4, 5], ['g', 6, 7]], 
                  columns=list('ABC'))

s_A = df.A.str.split('+').apply(pd.Series).stack().reset_index(level=1, drop=True)
s_A.name = 'A_split'
pd.concat([df.drop('A', axis=1), s_A], axis=1)

# returns:
   B  C A_split
0  0  1       a
1  2  3       b
1  2  3       c
2  4  5       d
2  4  5       e
2  4  5       f
3  6  7       g

Answer 4

如果您的问题特定于将每行拆分为两行或单独留下，您可以简单地收集要拆分的行，并将它们附加到您的数据帧：

import pandas as pd
df = pd.DataFrame([ ['a',   0, 1  ], ['b+c', 2, 3  ], 
                    ['d+e', 4, 5  ], ['f',   6, 7  ] ])
df_split = df[df[0].str.contains('\+')].copy()
df_split['new_col_name'] = df[0].str.extract('\+(.*)', expand = False)
df['new_col_name'] = df[0].str.extract('([^\+]*)', expand = False)

df.append(df_split) # required answer

如果行的排序很重要，您可以首先创建每个行号的列，例如df['no'] = list(range(len(df)))，然后在最后做sort_values('no')。

根据DataFrame中的字符串格式创建额外的行

4 个答案: