Question

我有一个这样的数据框：

text                   category 
sfsd sgvv              abc,xyz
zydf sefs sdfsd        yyy
dfsd dsrgd dggr        xyz
eter vxg wfe           abc
dfvf ertet             abc,xyz

我想要这样的输出：

text                   category 
sfsd sgvv              abc
sfsd sgvv              xyz
zydf sefs sdfsd        yyy
dfsd dsrgd dggr        xyz
eter vxg wfe           abc
dfvf ertet             abc
dfvf ertet             abc

基本上在category列中为每个两个或更多类别创建一个新行。

Answer 1

将DataFrame.explode与Series.str.split（{0.25}以上的熊猫）一起使用：

df1 = (df.assign(category = df['category'].str.split(','))
         .explode('category')
         .reset_index(drop=True))

对于较早的熊猫版本，首先使用DataFrame.set_index而不使用分隔符列，然后使用Series.str.split并通过DataFrame.stack进行整形，最后使用DataFrame.reset_index-首先删除{ {1}}，然后将索引转换为列：

MultiIndex

Answer 2

链接到this question，为您的数据框尝试以下代码：

我们可以首先拆分列，将其展开，堆叠，然后将其重新连接到原始df，如下所示：

df.drop('category', axis=1).join(
  df['category'].str.split(',', expand=True).stack().reset_index(level=1,drop=True).rename('category'))

Answer 3

对于较旧的版本，请尝试使用set_index + stack + str.split + unstack + reset_index：

print(df.set_index('text')
      .stack()
      .str.split(', ', expand=True)
      .stack()
      .unstack(-2)
      .reset_index(-1, drop=True)
      .reset_index())

Answer 4

下面将提供您需要的输出。假设df是您的数据集名称。

new_df_skel = dict()
new_df_skel['text'] = list()
new_df_skel['category'] = list()

for index,item in df.iterrows():
  item = dict(item)
  unref_cat = item['category']
  if "," in unref_cat:
    for strip in unref_cat.split(','):
      new_df_skel['category'].append(strip)
      new_df_skel['text'].append(item['text'])
  else:
    new_df_skel['category'].append(strip)
    new_df_skel['text'].append(unref_cat)

new_dataset = pd.DataFrame(new_df_skel)

祝你有美好的一天！

如何为熊猫列中的每个逗号分隔值创建新行

4 个答案: