Question

我有一个包含以下列的数据框

   Ann
  Intergenic
  exon (ENS, exon 2 of 2)
  promoter-TSS (ENST)
  TTS (ENST0)
  intron (ENST, intron 1 of 1

我的目标是将Ann列分成Ann1，就像这样，

     Ann    Ann1
  Intergenic Intergenic
  exon (ENS, exon 2 of 2) exon
  promoter-TSS (ENST)    promoter-TSS
  TTS (ENST0)             TTS 
  intron (ENST, intron 1 of 1) intron

所以我试过了，

df["Ann1"]=df['Ann'].apply(lambda x: x.split('\s'))
df["Ann1"]
        [Intergenic]
1        [exon (ENST, exon 2 of 2)]
4             [promoter-TSS (ENST)]
5                      [TTS (ENST)]
6    [intron (ENST, intron 1 of 1)]

但看起来空间不是＆＃34;空间＆＃34;喜欢拆分它。任何建议都会很棒

Answer 1

使用str.split（默认分隔符为空格，因此可以省略），str[0]用于选择第一个列表值：

df["Ann1"]=df['Ann'].str.split().str[0]
print (df)
                             Ann          Ann1
0                     Intergenic    Intergenic
1        exon (ENS, exon 2 of 2)          exon
2            promoter-TSS (ENST)  promoter-TSS
3                    TTS (ENST0)           TTS
4    intron (ENST, intron 1 of 1        intron

str.extract的解决方案：

df["Ann1"]=df['Ann'].str.extract('(\S+)', expand=False)
print (df)
                             Ann          Ann1
0                     Intergenic    Intergenic
1        exon (ENS, exon 2 of 2)          exon
2            promoter-TSS (ENST)  promoter-TSS
3                    TTS (ENST0)           TTS
4    intron (ENST, intron 1 of 1        intron

为了获得更好的性能，请使用n=1参数，谢谢piRSquared：

df["Ann1"]=df['Ann'].str.split(n=1).str[0]

Answer 2

使用pd.Series.str.extract

我使用提取两个组的正则表达式模式。第一个括号抓取整个字符串，而第二个括号抓取字符串的第一部分，不被白色空格打破。然后我使用参数expand=True将两个组放入自己的数据帧列中（否则，我们将有pd.Series个列表。最后，我使用'?P<name_of_column>'正则表达式约定一步命名我的结果列。

df.Ann.str.extract('(?P<Ann>(?P<Ann1>\S*).*)', expand=True)

                           Ann          Ann1
0                   Intergenic    Intergenic
1      exon (ENS, exon 2 of 2)          exon
2          promoter-TSS (ENST)  promoter-TSS
3                  TTS (ENST0)           TTS
4  intron (ENST, intron 1 of 1        intron

当两个单词之间没有空格时拆分列

2 个答案: