我有一个如下所示的数据框
df = pd.DataFrame({'val': ['V583 ,ATTENTION, PRIMARY','Y9207,INDOOR LIVING, sEcondary',' z526, liver,primary ','12345678, test, secondary',',project,']})
我想根据 val
字符拆分/隔离列 comma
数据。
例如,所有字符 before 1st comma
都应该转到 first
列
同样,所有字符 after 1st comma
和 before 2nd comma
都应该转到 second
列
同样,所有字符 after 2nd comma
和 before 3rd comma
都应该转到 third
列
我尝试了以下
df['val'].astype(str).str.extract(r'\s*([a-zA-Z0-9\s]*)',expand=True)
我希望我的输出如下所示
答案 0 :(得分:3)
使用您显示的示例,请尝试以下操作。在这里使用 Pandas 的 extract
函数。简单的解释是:在提取中提及正则表达式以在 DataFrame 中创建 3 个新列。它基本上按照显示的示例为每个新字段创建 3 个捕获组。
df[["first", "second", "third"]] = df['val'].str.extract(r'^([^,]*),([^,]*),(.*)$',expand=True)
Here is online demo of above regex
df 的输出如下:
val first second third
0 V583 ,ATTENTION, PRIMARY V583 ATTENTION PRIMARY
1 Y9207,INDOOR LIVING, sEcondary Y9207 INDOOR LIVING sEcondary
2 z526, liver,primary z526 liver primary
3 12345678, test, secondary 12345678 test secondary
4 ,project, project
答案 1 :(得分:3)
Series.str.extractall
我们可以 extract
指定为正则表达式模式的捕获组的所有出现,然后 unstack
来重塑。
df['val'].str.extractall(r'([^,]+)(?:\s*,\s*|$)')[0].unstack()
match 0 1 2
0 V583 ATTENTION PRIMARY
1 Y9207 INDOOR LIVING sEcondary
2 z526 liver primary
3 12345678 test secondary
4 project NaN NaN
正则表达式详情:
([^,]+)
:第一个捕获组
[^,]+
:匹配列表中不存在的任何字符 [,]
一次或多次。(?:\s*,\s*|$)
: 非捕获组
\s*,\s*
:第一个选择
\s*
:匹配任意空白字符零次或多次,
: 逐字匹配字符逗号\s*
:匹配任意空白字符零次或多次$
:第二个选项在行尾断言位置PS:如果您有任意数量的逗号分隔字符串,此方法也适用。
答案 2 :(得分:1)
您可以在此处使用 str.extract
,如下所示:
df["first"] = df["val"].str.extract(r'^\s*(.*?)\s*,')
df["second"] = df["val"].str.extract(r',\s*(.*?)\s*,')
df["third"] = df["val"].str.extract(r',\s*([^,]*)$')
答案 3 :(得分:1)
使用str.split(expand=True)
df.join(df['val'].str.split(',', expand=True).rename(columns={0:'first',1:'second',2:'third'}))
val first second third
0 V583 ,ATTENTION, PRIMARY V583 ATTENTION PRIMARY
1 Y9207,INDOOR LIVING, sEcondary Y9207 INDOOR LIVING sEcondary
2 z526, liver,primary z526 liver primary
3 12345678, test, secondary 12345678 test secondary
4 ,project, project