Question

有一个类似于我的问题，但要求是用“R”语言来做。我对R的知识还处于幼儿园阶段，我无法将答案从R翻译成Python。所以这里。

我有一个包含两列的数据框 - IAGSTNO和Quals：

IAGSTNO   QUALS
215299035 204212 BC:0 OT:VF #Subj:10 ||DI0430 BC:0 OT:VF #Subj:0
216034361 208086 BC:1 OT:VF #Subj:2 ||DI0800 BC:1 OT:VF #Subj:5
216138396 208382 BC:1 OT:VF #Subj:2 ||208082 BC:1 OT:WI #Subj:1
216139376 208383 BC:1 OT:VF #Subj:0 ||208388 BC:1 OT:VF #Subj:4
216149959 204179 BC:0 OT:HP #Subj:0 ||DI0420 BC:0 OT:HP #Subj:7
217028330 DI0800 BC:1 OT:HF #Subj:0 ||DI0824 BC:1 OT:HF #Subj:4 ||DI0825 BC:1 OT:HF #Subj:3

这是以这种格式专门提取的，以方便人们观众使用。

数据框是关于注册多个资格的学生。

QUALS列最多包含三个资格分组，格式如下： qual_code BC：1 OT：VF #Subj：3 ||

qual_code是资格的代码

BC：1表示学期

OT：VF表示学生是全职/兼职

hash（＃）Subj：3表示学生注册资格的科目数。

双管符号'||'是三组资格的分隔符

我想做以下事情：

我想创建一个包含IAGSTNO的新数据框和另外三列（Qual_1，Qual_2和Qual_3），其中字符串代表三个限定属性 - STNO的完整数据集必须在此df中
然后，我想创建第三个数据框，将三个单独的Qual列拆分为各自的属性列 - 使用IAGSTNO的完整数据集必须在此df中。

即使只有一个指针也会非常有用。

提前致谢，

Phlip

预期结果：

Dataframe2应如下所示：

Stno        Qual 1                          Qual 2                              Qual 3
217028330   DI0800 BC:1 OT: HF #Subj: 0     DI0824 BC:1 OT: HF #Subj: 2         DI0825 BC:1 OT: HF #Subj: 3
20522461    208383 BC:1 OT: VF #Subj: 2     208083 BC:1 OT: WI #Subj: 1     
206060165   208283 BC:1 OT: HF #Subj: 0     208NDP BC:1 OT: HF #Subj: 1     
207046409   208483 BC:1 OT: VF #Subj: 2     208083 BC:1 OT: WI #Subj: 1     
208039023   308030 BC:1 OT: VF #Subj: 2     208082 BC:1 OT: WI #Subj: 1     
210076615   308109 BC:1 OT: VF #Subj: 4     208083 BC:1 OT: WI #Subj: 1     
210082933   304004 BC:0 OT: VF #Subj: 10    304031 BC:0 OT: VF #Subj: 0     
210118008   308004 BC:1 OT: VF #Subj: 4     208085 BC:1 OT: WI #Subj: 1     
211112844   208282 BC:1 OT: VF #Subj: 6     DI0840 BC:1 OT: VF #Subj: 0     
211125334   208483 BC:1 OT: VF #Subj: 0     308109 BC:1 OT: VF #Subj: 1

Dataframe3应如下所示：

Stno        1_Qual  1_Bc    1_Ot    1_NumSubj   2_Qual  2_Bc    2_Ot    2_NumSubj   3_Qual  3_Bc    3_Ot    3_NumSubj
217028330   DI0800  BC:1    OT: HF  #Subj: 0    DI0824  BC:1    OT: HF  #Subj: 2    DI0825  BC:1    OT: HF  #Subj: 3
20522461    208383  BC:1    OT: VF  #Subj: 2    208083  BC:1    OT: WI  #Subj: 1                
206060165   208283  BC:1    OT: HF  #Subj: 0    208NDP  BC:1    OT: HF  #Subj: 1                
207046409   208483  BC:1    OT: VF  #Subj: 2    208083  BC:1    OT: WI  #Subj: 1                
208039023   308030  BC:1    OT: VF  #Subj: 2    208082  BC:1    OT: WI  #Subj: 1                
210076615   308109  BC:1    OT: VF  #Subj: 4    208083  BC:1    OT: WI  #Subj: 1                
210082933   304004  BC:0    OT: VF  #Subj: 10   304031  BC:0    OT: VF  #Subj: 0                
210118008   308004  BC:1    OT: VF  #Subj: 4    208085  BC:1    OT: WI  #Subj: 1                
211112844   208282  BC:1    OT: VF  #Subj: 6    DI0840  BC:1    OT: VF  #Subj: 0                
211125334   208483  BC:1    OT: VF  #Subj: 0    308109  BC:1    OT: VF  #Subj: 1

我试过了“

df2 = dataset.loc[:,'IAGSTNO'].to_frame()
df2['Qual_1'], df2['Qual_2'], df2['Qual_3']= zip(*dataset['QUALS'].str.split(' ',2))
print(df2.head())

“这是一个建议的答案，但这导致了

     IAGSTNO  Qual_1 Qual_2                                     Qual_3
0   20073240  206015   BC:1  OT:VF #Subj:0 ||206017 BC:1 OT:VF #Subj:3
1   20522461  208383   BC:1  OT:VF #Subj:2 ||208083 BC:1 OT:WI #Subj:1
2  206060165  208283   BC:1  OT:HF #Subj:0 ||208NDP BC:1 OT:HF #Subj:1
3  207046409  208483   BC:1  OT:VF #Subj:2 ||208083 BC:1 OT:WI #Subj:1
4  208039023  308030   BC:1  OT:VF #Subj:2 ||208082 BC:1 OT:WI #Subj:1

如上所述，这不是我想要的。

我从“Chen，Daniel Y .. Pandas for Everyone：Python数据分析（Addison-Wesley数据和分析系列）（Kindle Locations 4984-4987）.Pearson Education.Kindle Edition。”：< / p>

“

# get the variable column 
# access the string methods 
# and split the column based on a delimiter 
variable_split = ebola_long.variable.str.split('_')

” 并将其更改为

quals_split01 = pd.DataFrame(dataset.QUALS.str.split(' ||'))
print(quals_split01.head())

我已经包含了pd.DataFrame，因为我想使用

with open('studMultQual_split1.csv', 'a') as f:
    quals_split01.to_csv(f, line_terminator='\n', index=False, header=True)
f.close()

这给我以下内容：

QUALS
"['DI0800', 'BC:1', 'OT:HF', '#Subj:0', '||DI0824', 'BC:1', 'OT:HF', '#Subj:4', '||DI0825', 'BC:1', 'OT:HF', '#Subj:3']"
"['206015', 'BC:1', 'OT:VF', '#Subj:0', '||206017', 'BC:1', 'OT:VF', '#Subj:3']"
"['208383', 'BC:1', 'OT:VF', '#Subj:2', '||208083', 'BC:1', 'OT:WI', '#Subj:1']"
"['208283', 'BC:1', 'OT:HF', '#Subj:0', '||208NDP', 'BC:1', 'OT:HF', '#Subj:1']"
"['208483', 'BC:1', 'OT:VF', '#Subj:2', '||208083', 'BC:1', 'OT:WI', '#Subj:1']"
"['308030', 'BC:1', 'OT:VF', '#Subj:2', '||208082', 'BC:1', 'OT:WI', '#Subj:1']"
"['208282', 'BC:1', 'OT:VF', '#Subj:1', '||208082', 'BC:1', 'OT:WI', '#Subj:1']"
"['308109', 'BC:1', 'OT:VF', '#Subj:4', '||208083', 'BC:1', 'OT:WI', '#Subj:1']"
"['304004', 'BC:0', 'OT:VF', '#Subj:10', '||304031', 'BC:0', 'OT:VF', '#Subj:0']"

单个列，但缺少IAGSTNO，所有双引号和单引号以及[]的结果看起来很可疑。

感谢目前为止提供的帮助

Answer 1

这是正确的方向吗？

import pandas as pd
import io

s = '''\
IAGSTNO,QUALS
215299035,204212 BC:0 OT:VF #Subj:10 ||DI0430 BC:0 OT:VF #Subj:0
216034361,208086 BC:1 OT:VF #Subj:2 ||DI0800 BC:1 OT:VF #Subj:5
216138396,208382 BC:1 OT:VF #Subj:2 ||208082 BC:1 OT:WI #Subj:1
216139376,208383 BC:1 OT:VF #Subj:0 ||208388 BC:1 OT:VF #Subj:4
216149959,204179 BC:0 OT:HP #Subj:0 ||DI0420 BC:0 OT:HP #Subj:7
217028330,DI0800 BC:1 OT:HF #Subj:0 ||DI0824 BC:1 OT:HF #Subj:4'''

# Recreate the dataframe
df = pd.read_csv(io.StringIO(s))

# Create frame2 and add columns
df2 = df.loc[:,'IAGSTNO'].to_frame()
df2['Qual_1'], df2['Qual_2'], df2['Qual_3']= zip(*df['QUALS'].str.split(' ',2))

print(df2)

返回：

     IAGSTNO  Qual_1 Qual_2                                      Qual_3
0  215299035  204212   BC:0  OT:VF #Subj:10 ||DI0430 BC:0 OT:VF #Subj:0
1  216034361  208086   BC:1   OT:VF #Subj:2 ||DI0800 BC:1 OT:VF #Subj:5
2  216138396  208382   BC:1   OT:VF #Subj:2 ||208082 BC:1 OT:WI #Subj:1
3  216139376  208383   BC:1   OT:VF #Subj:0 ||208388 BC:1 OT:VF #Subj:4
4  216149959  204179   BC:0   OT:HP #Subj:0 ||DI0420 BC:0 OT:HP #Subj:7
5  217028330  DI0800   BC:1   OT:HF #Subj:0 ||DI0824 BC:1 OT:HF #Subj:4

将python中的单个列拆分为多个单独的列

1 个答案: