Question

我有in.csv：

Box,Color,Contents
1,Blue,"thing one  [version 1]  [dd/mm/yyyy]
thing two  [version 1]  [dd/mm/yyyy]
thing three  [version 1]  [dd/mm/yyyy]"
2,Red,thing four  [version 1]  [dd/mm/yyyy]
3,Green,"thing five  [version 1]  [dd/mm/yyyy]
thing six  version 1]  [dd/mm/yyyy]"

并且我正在尝试创建out.csv：

Box,Color,Contents
1,Blue,thing one  [version 1]  [dd/mm/yyyy]
1,Blue,thing two  [version 1]  [dd/mm/yyyy]
1,Blue,thing three  [version 1]  [dd/mm/yyyy]
2,Red,thing four  [version 1]  [dd/mm/yyyy]
3,Green,thing five  [version 1]  [dd/mm/yyyy]
3,Green,thing six  version 1]  [dd/mm/yyyy]

我可以使用str.split，如下所示：
df = pd.DataFrame(df['Contents'].str.split(' ').values.tolist())

那只是一个定界符。我需要双精度空格和行尾（EOL），但是我在正则表达式上进行的所有搜索都说我需要使用re.split来代替。我的语法无法正常工作，相反，我得到了：

df = pd.DataFrame(df['Contents'].re.split('\n' , ' ').values.tolist()) AttributeError: 'Series' object has no attribute 're'

我的搜索结果失控了。请协助？ tnx

Answer 1

您要先创建新行（使用'\r\n'分隔），然后再创建新列（使用双倍空格分隔）。

这可能是一种乏味的操作方式，如果您还有Pythonic，请告诉我。

df['repeats'] = df['Contents'].str.split('\r\n').apply(lambda x:len(x)) # number of repeats
# create new df
df1 = pd.DataFrame(columns = df.columns)
for i in range(len(df)):
    df1 = df1.append([df.iloc[[i]]]*df.iloc[i]['repeats'])
df1 = df1.reset_index().drop('index',axis = 1)
df1.Contents = sum(df['Contents'].str.split('\r\n').values,[]) #flattening the list
df1[['thing','version','date']] = pd.DataFrame(df1.Contents.str.split('  ').values.tolist())
df1 = df1[['Box','Color','thing','version','date']]

输出：

  Box  Color        thing      version          date
0   1   Blue    thing one  [version 1]  [dd/mm/yyyy]
1   1   Blue    thing two  [version 1]  [dd/mm/yyyy]
2   1   Blue  thing three  [version 1]  [dd/mm/yyyy]
3   2    Red   thing four  [version 1]  [dd/mm/yyyy]
4   3  Green   thing five  [version 1]  [dd/mm/yyyy]
5   3  Green    thing six   version 1]  [dd/mm/yyyy]

大熊猫：str.split包含特殊字符和EOL

1 个答案: