操纵熊猫数据框

Question

我有一个DataFrame A，其中有一列location_ms。我想除以;和:以得到DataFrame B。

DataFrame A（开始）：

DataFrame B（最终版）：

我的以下代码似乎非常绕行，很想看到针对该问题的更好实现。通过拆分，我创建了一个DataFrame，每个元素都是一个列表列表。然后，我将列表的列表展平以创建最终的DataFrame。

def locpapersrc_table(df):
    toflattenrows = df['location_ms'].str.split(';').apply(lambda x:[c.split(':') for c in x]).values.tolist()
    singlelistoflist = [item for sublist in toflatten for item in sublist]
    tmp = pd.DataFrame(singlelistoflist)
    return tmp

这个版本2比第一个版本慢，但这也是另一个绕道的方法。

def version2(df):
   xx = df["location_ms"].str.split(';',expand = True).T
   tmp = pd.melt(xx).dropna().drop(['variable'],axis=1)['value'].str.split(':',expand=True)
   return tmp

谢谢！

Answer 1

尝试这样的事情。

split_df = df['location_ms'].str.split(pat=";", expand=True)

如果要将其合并回原始数据框中，请输入类似的内容。

df = df.merge(split_df, left_index=True, right_index=True)
df = df.drop('location_ms')

对于您的新问题（用;和:进行划分）：

split_df = df['location_ms'].str.split(pat=";", expand=True)
subsplit_df = pd.DataFrame(index = split_df.index)
for i in range(split_df.shape[1]):
    subsplit_df = subsplit_df.merge(split_df.iloc[:, i].str.split(pat=":", expand=True), left_index=True, right_index=True)
subsplit_df.columns = range(subsplit_df.shape[1])

您可以根据需要将其合并回去。