Question

我在熊猫的数据框中有一个地址栏，其中包含3种信息，即街道，殖民地和城市。

具有三个可能的定界符的三个值-'，'或空格，例如可以为Street1,Colony1,City1或Street1 Colony1 City1。

我需要将此列分为三个标签分别为'Street'，'Colony'和'City'，并将该Address列中的值相应地拆分。

最有效的方法是什么，因为pandas split函数仅允许您使用单个定界符或regex表达式（也许是regex表达式，因为我对regex不太满意）。

Answer 1

完成此操作的一种方法是使用re.sub合并定界符，然后在单个定界符上使用str.split创建新列。

import pandas as pd 
import re

df = pd.DataFrame({'address':['Street1,Colony1,City1',  'Street2 Colony2 City2']})

location_df = (df.address
                 .apply(lambda x: pd.Series(re.sub(pattern=' |,', 
                                                   repl=',', 
                                                   string=x).split(','), 
                                            index=['street','colony','city']))
                )

Answer 2

尝试一下

df[['Street','Colony','City']] = df.address.apply(lambda x: pd.Series(re.split('\W',x)))

\W将匹配不是单词字符的任何字符。参见docs

Answer 3

如果确定是逗号,或空格，则可以使用：

df[['Street','Colony','City']] = df.address.str.split('[ ,]', expand=True)

说明：：str.split接受pat（模式）参数：String或正则表达式进行分割。如果未指定，请在空白处分割。利用这一事实，我们可以传递正则表达式，这很容易，因为正则表达式中的[ ,]意味着或,。

一种替代方法是使用' |,'，或者如果您可以有多个空白'\s+|,'

完整示例：

import pandas as pd

df = pd.DataFrame({
    'address': ['a,b,c','a b c']
})

df[['Street','Colony','City']] = df.address.str.split('[ ,]', expand=True)

print(df)

返回：

  address Street Colony City
0   a,b,c      a      b    c
1   a b c      a      b    c

根据多个可能的分隔符在DataFrame中拆分列

3 个答案: