Question

我有一些DataFrame：

df = pd.DataFrame({'columnA': ['apple', 'banana', 'peach', 'pear'], 'columnB': ['XAXappleYBY', 'ZZZbananaRDESWA', 'HDJFpeachIUYTA', 'POIUYpearMNBV']})

    columnA columnB
0   apple   XAXappleYBY
1   banana  ZZZbananaRDESWA
2   peach   HDJFpeachIUYTA
3   pear    POIUYpearMNBV

我想在columnB中的字符串上分割columnA并展开，例如：

    columnA columnB left_split  right_split
0   apple   XaXappleYBY XaX YBY
1   banana  ZZZbananaRDESWa ZZZ RDESWa
2   peach   HDJFpeachIUYTA  HDJF    IUYTA
3   pear    POIUYpearMNBV   POIUY   MNBV

我该怎么做？

Answer 1

使用字符串split和listcomp并构造数据帧df1。最后，回到df

cols = ['columnA', 'columnB']
df1 = pd.DataFrame([x.split(pat) for pat, x in  zip(*map(df.get, cols))], 
                    columns=['left_split', 'right_split'])
df_final = df.join(df1)

Out[153]:
  columnA          columnB left_split right_split
0   apple      XAXappleYBY        XAX         YBY
1  banana  ZZZbananaRDESWA        ZZZ      RDESWA
2   peach   HDJFpeachIUYTA       HDJF       IUYTA
3    pear    POIUYpearMNBV      POIUY        MNBV

[x.split(pat) for pat, x in zip(*map(df.get, cols))]上的说明：

在这种情况下，

zip(*map(df.get, cols))只是zip(df.columnA, df.columnB)的另一种书写方式。在具有许多列的数据框上很方便。使用zip-map版本只是我的习惯：）

[x.split(pat) for pat, x in  zip(*map(df.get, cols))]

Out[198]: [['XAX', 'YBY'], ['ZZZ', 'RDESWA'], ['HDJF', 'IUYTA'], ['POIUY', 'MNB']]

[x.split(pat) for pat, x in  zip(df.columnA, df.columnB)]

Out[199]: [['XAX', 'YBY'], ['ZZZ', 'RDESWA'], ['HDJF', 'IUYTA'], ['POIUY', 'MNBV']]

它压缩2列。在列表理解的每次迭代中，它对每一列的对应值进行切片。也就是说，在每次迭代中，它会切片与columnA和columnB的每一行相对应的元组。每个元组都被解包到pat，x，其中pat是columnA的值，而x是columnB的值。 x是您要分割的字符串，因此调用x.split(pat)会将columnB的每个字符串除以pat的每个columnA

Answer 2

IIUC，您可以使用：

regpattern = '|'.join(df['columnA'])

df[['left_split','right_split']]=df['columnB'].str.split(regpattern, expand=True)

print(df)

输出：

  columnA          columnB left_split right_split
0   apple      XAXappleYBY        XAX         YBY
1  banana  ZZZbananaRDESWA        ZZZ      RDESWA
2   peach   HDJFpeachIUYTA       HDJF       IUYTA
3    pear    POIUYpearMNBV      POIUY        MNBV

Answer 3

我想，也许可以看看这个简单的表达式：

^([A-Z]*)([a-z]*)([A-Z]*)

RegEx Demo

测试

import pandas as pd

df = pd.DataFrame({'columnA': ['apple', 'banana', 'peach', 'pear'], 'columnB': [
                  'XAXappleYBY', 'ZZZbananaRDESWA', 'HDJFpeachIUYTA', 'POIUYpearMNBV']})


df['left_split'] = df['columnB'].str.replace(r'^([A-Z]*)([a-z]*)([A-Z]*)', r'\1')
df['right_split'] = df['columnB'].str.replace(r'^([A-Z]*)([a-z]*)([A-Z]*)', r'\3')
print(df)

输出

  columnA          columnB left_split right_split
0   apple      XAXappleYBY        XAX         YBY
1  banana  ZZZbananaRDESWA        ZZZ      RDESWA
2   peach   HDJFpeachIUYTA       HDJF       IUYTA
3    pear    POIUYpearMNBV      POIUY        MNBV

如果您想简化/更新/探索表达式，请在regex101.com的右上角进行解释。如果您有兴趣，可以观看匹配的步骤或在this debugger link中进行修改。调试器演示了a RegEx engine如何逐步使用一些示例输入字符串并执行匹配过程的过程。

RegEx电路

jex.im可视化正则表达式：

Answer 4

\d+\s+(?<fruit>\w+)\s+\w+(?<middle>\k<fruit>)\w+

this luminance formula

输入是没有第一行（标题）的表，找到已命名的组“ middle”，并根据需要将其替换为空字符。

说明：

\d+\s+找到前导数字和空格
(?<fruit>\w+)找到您要用于分割的水果，并将该组命名为“水果”。
w+(?<middle>\k<fruit>)\w+使用先前命名的“水果”作为匹配条件，并将匹配的组命名为“中间”

在同一行中来自不同列的值上拆分一个Pandas列？

4 个答案:

RegEx Demo

测试

输出

RegEx电路