我有一个数据框
df = pd.DataFrame({'col1': [1,2,1,2], 'col2': ['aa bb cc', 'ee-ff-gg', 'hh ii kk', 'll-mm-nn']})
我要：
理想情况下，代码如下所示：
subdf=df.loc[df['col1']==1]
#list of columns to use
col_list=['col20', 'col21', 'col22']
#append to dataframe new columns from split function
subdf[col_list]=(subdf.col2.str.split(' ', 2, expand=True)
但是这没有用。
我尝试使用合并和 join ，但是：
我也尝试过：
#subset dataframes
subdf=df.loc[df['col1']==1]
subdf2=df.loc[df['col1']==2]
#trying the join method, only works if columns aren't already present
subdf.join(subdf.col2.str.split(' ', 2, expand=True).rename(columns={0:'col20', 1:'col21', 2: 'col22'}))
#merge doesn't work if columns aren't present
subdf2=subdf2.merge(subdf2.col2.str.split('-', 2, expand=True).rename(columns={0:'col20', 1:'col21', 2: 'col22'}))
subdf2
我运行它时的错误消息：
subdf2=subdf2.merge(subdf2.col2.str.split('-', 2, expand=True).rename(columns={0:'col20', 1:'col21', 2: 'col22'})
MergeError: No common columns to perform merge on. Merge options: left_on=None, right_on=None, left_index=False, right_index=False
我最初的col1实际上是我用来从某些字符串中提取col2的正则表达式组合。
#the combination I used to extract the col2
combinations= ['(\d+)[-](\d+)[-](\d+)[-](\d+)', '(\d+)[-](\d+)[-](\d+)'... ]
这是原始数据框
col1 col2
(\d+)[-](\d+)[-](\d+)[-](\d+) 350-300-50-10
(\d+)[-](\d+)[-](\w+)(\d+) 150-180-G31
然后，我创建了一个字典，将每种组合与col2的拆分值表示的内容相关联：
filtermap={'(\d+)[-](\d+)[-](\w+)(\d+)': 'thickness temperature sample', '(\d+)[-](\d+)[-](\d+)[-](\d+)': 'thickness temperature width height' }
使用此过滤器，我想：
col1 col2 thickness temperature width length sample
(\d+)[-](\d+)[-](\d+)[-](\d+) 350-300-50-10 350 300 50 10
(\d+)[-](\d+)[-](\w+)(\d+) 150-180-G31 150 180 G31
由于您提到了正则表达式，也许您知道直接执行此操作的方法吗？
在输入中有类似这样的字符串：
'this is the first example string 350-300-50-10 ',
'this is the second example string 150-180-G31'
格式为：
number-number-number-number（350-300-50-10）中包含以下顺序信息：厚度（350）-温度（300）-宽度（50）-长度（10）
数字-数字-字母数字（150-180-G31）中包含以下有序信息：厚度-温度-样品
所需的输出：
col2, thickness, temperature, width, length, sample
350-300-50-10 350 300 50 10 None
150-180-G31 150 180 None None G31
我用例如：
re.search('(\d+)[-](\d+)[-](\d+)[-](\d+)'))
在字符串中找到col2
答案 0 :(得分：1)
您非常接近。要根据某些条件生成列，where通常很方便，请参见下面的代码
col2_exp1 = df.col2.str.split(' ',expand=True)
col2_exp2 = df.col2.str.split('-',expand=True)
col2_combine = (col2_exp1.where(df.col1.eq(1),col2_exp2)
.rename(columns=lambda x:f'col2{x}'))
最后，
df.join(col2_combine)
答案 1 :(得分：1)
您可以使用np.where来简化此问题。
import pandas as pd
import numpy as np
df = pd.DataFrame({'col1': [1,2,1,2],
'col2': ['aa bb cc', 'ee-ff-gg', 'hh ii kk', 'll-mm-nn']
})
temp = np.where(df['col1'] == 1, #a boolean array/series indicating where the values are equal to 1.
df['col2'].str.split(' '), #Use the output of this if True
df['col2'].str.split('-') #Else use this.
)
temp_df = pd.DataFrame(temp.tolist()) #create a new dataframe with the columns we need
#Output:
0 1 2
0 aa bb cc
1 ee ff gg
2 hh ii kk
3 ll mm nn
现在只需将结果分配回原始df。您可以使用concat或join，但是简单的分配也足够。
df[[f'col2_{i}' for i in temp_df.columns]] = temp_df
print(df)
col1 col2 col2_0 col2_1 col2_2
0 1 aa bb cc aa bb cc
1 2 ee-ff-gg ee ff gg
2 1 hh ii kk hh ii kk
3 2 ll-mm-nn ll mm nn
编辑：要解决两个以上的条件拆分
如果您需要两个以上的条件，则np.where仅设计用于二进制选择。您可以选择一种“自定义”方法，该方法可以根据需要在任意多个拆分中使用。
splits = [ ' ', '-', '---']
all_splits = pd.DataFrame({s:df['col2'].str.split(s).values for s in splits})
#Output:
- ---
0 [aa, bb, cc] [aa bb cc] [aa bb cc]
1 [ee-ff-gg] [ee, ff, gg] [ee-ff-gg]
2 [hh, ii, kk] [hh ii kk] [hh ii kk]
3 [ll-mm-nn] [ll, mm, nn] [ll-mm-nn]
首先，我们在所有拆分上拆分df['col2']，而不进行扩展。现在，只是根据list的值选择正确的df['col1']
我们可以为此使用numpy的高级索引。
temp = all_splits.values[np.arange(len(df)), df['col1']-1]
此后，步骤应与上述相同，从创建temp_df