Question

请原谅我的熊猫新手问题，但我有一列美国城镇和州，例如下面显示的截断版本（由于一些奇怪的原因，该列的名称被称为＆＃39; Alabama [编辑]＆＃39;与列中的前0-7个城镇值相关联：

0                          Auburn (Auburn University)[1]
1                 Florence (University of North Alabama)
2        Jacksonville (Jacksonville State University)[2]
3             Livingston (University of West Alabama)[2]
4               Montevallo (University of Montevallo)[2]
5                              Troy (Troy University)[2]
6      Tuscaloosa (University of Alabama, Stillman Co...
7                      Tuskegee (Tuskegee University)[5]
8                                           Alaska[edit]
9          Fairbanks (University of Alaska Fairbanks)[2]
10                                         Arizona[edit]
11            Flagstaff (Northern Arizona University)[6]
12                      Tempe (Arizona State University)
13                        Tucson (University of Arizona)
14                                        Arkansas[edit]
15     Arkadelphia (Henderson State University, Ouach...
16     Conway (Central Baptist College, Hendrix Colle...
17              Fayetteville (University of Arkansas)[7]
18              Jonesboro (Arkansas State University)[8]
19            Magnolia (Southern Arkansas University)[2]
20     Monticello (University of Arkansas at Monticel...
21            Russellville (Arkansas Tech University)[2]
22                        Searcy (Harding University)[5]
23                                      California[edit]

每个州的城镇都在每个州名下面，例如：费尔班克斯（第9列）是阿拉斯加州的一个小镇。

我想要做的是根据州名拆分城镇名称，以便我有两列＆＃39;州＆＃39;和＆＃39; RegionName＆＃39;其中每个州名称与每个城镇名称相关联，如下所示：

                            RegionName                       State
0                          Auburn (Auburn University)[1]    Alabama
1                 Florence (University of North Alabama)    Alabama
2        Jacksonville (Jacksonville State University)[2]    Alabama
3             Livingston (University of West Alabama)[2]    Alabama
4               Montevallo (University of Montevallo)[2]    Alabama
5                              Troy (Troy University)[2]    Alabama
6      Tuscaloosa (University of Alabama, Stillman Co...    Alabama
7                      Tuskegee (Tuskegee University)[5]    Alabama

8         Fairbanks (University of Alaska Fairbanks)[2]     Alaska

9         Flagstaff (Northern Arizona University)[6]        Arizona
10                      Tempe (Arizona State University)    Arizona
11                        Tucson (University of Arizona)    Arizona                                              

12        Arkadelphia (Henderson State University, Ouach... Arkansas

。。。等等。

我知道每个州名后跟一个字符串＆＃39; [edit]＆＃39;，我认为我可以使用它来分割和分配城镇名称。但我不知道该怎么做。

此外，我知道我需要做很多其他数据清理工作，例如删除括号内和括号内的字符串＆＃39; []＆＃39;。这可以在以后完成......重要的是分裂州和城镇，并将每个城镇分配到适当的美国。任何建议都将受到最高的赞赏。

Answer 1

如果没有太多的上下文或访问您的数据，我会建议这些内容。首先，修改读取数据的代码：

df = pd.read_csv(..., header=None, names=['RegionName']) 
# add header=False so as to read the first row as data

现在，使用str.extract提取状态名称，只有在子字符串“[edit]”后面才能提取名称。然后，您可以使用ffill转发所有NaN值。

df['State'] = df['RegionName'].str.extract(
    r'(?P<State>.*)(?=\s*\[edit\])'
).ffill()

按照特定模式

1 个答案: