Question

我有一个样本数据集：

column1 column2 column3     column4                       column5 
  a       b        c       paddy, jimmy, john     [242352, 2351235, 65436324]
  a       z        c       james, jill, jillian   [325134, 63464374568, 43574578654]
  s       t        y       patsy                      [463465573452]

我想用逗号分隔'column4'和'column5'。这样，第4列和第5列中的每个列只有一个值。该行的其余部分将重复。

结果数据框示例：

column1 column2 column3  column4     column5 
  a       b        c     paddy      242352
  a       b        c     jimmy      2351235
  a       b        c     john      65436324
  .......

任何解决方案都值得赞赏。我已经看过以前关于堆栈溢出的类似问题，但是因为我有浮点值，所以给出的解决方案对我不起作用。

Answer 1

使用Apache doc和pd.reindex重复行。

然后使用pd.index.repeat仅从col5和str.extractall中提取数字，str.split扩展col4和col5

# Reindex and repeat cols on len of split and reset index
df1 = df.reindex(df.index.repeat(df['column4'].fillna("").str.split(',').apply(len)))
df1 = df1.drop(['column4','column5'],1)

# Splitting both cols
s = df['column4'].str.split(',', expand=True).stack().reset_index(level=1,drop=True)
s1 = df['column5'].str.extractall('(\d+)').reset_index(level=1,drop=True)[0]

# Now grouping the series and df using cumcount.
df1 = df1.set_index(df1.groupby(df1.index).cumcount(), append=True)
s = s.to_frame('column4').set_index(s.groupby(s.index).cumcount(), append=True)
s1 = s1.to_frame('column5').set_index(s1.groupby(s1.index).cumcount(), append=True)

# Joining the all of them together and reset index.
df1 = df1.join(s, how='outer').join(s1,how='outer').reset_index(level=[0,1],drop=True)

print (df1)

输出：

column1 column2 column3  column4    column5
0   a     b       c       paddy     242352
1   a     b       c       jimmy     2351235
2   a     b       c       john      65436324
3   a     z       c       james     325134
4   a     z       c       jill      63464374568
5   a     z       c       jillian   43574578654
6   s     t       y       patsy     463465573452

Python-根据表格列中的逗号分隔值编写新行

1 个答案:

输出：