熊猫拆分数据框列

Question

我有以下数据框架，我想将Col2拆分为多列：

输入数据框：

>>> mydf= pd.DataFrame({'Col1':['AA','AB','AAC'], 'Col2':['AN||Ind(0.9)','LN||RED(8.9)','RN||RED(9.8)'], 'Col3':['log1','log2','log3']})
>>> mydf
   Col1      Col2      Col3
0   AA  AN||Ind(0.9)  log1
1   AB  LN||RED(8.9)  log2
2  AAC  RN||RED(9.8)  log3

所需的数据框：

  Col1  Col2 Col3  Col4  Col5
0   AA   AN  log1  Ind   0.9
1   AB   LN  log2  RED   8.9
2  AAC   RN  log3  RED   9.8

我从申请开始，但以下将采取好几步。任何快捷方式？

mydf['Col4']=mydf['Col2'].apply(lambda x: str(x).split('||')[0])

也很少感到困惑，为什么以下会引发估值：

mydf['Col2'].str.split('||', expand=True)
ValueError: split() requires a non-empty pattern match.

Answer 1

您可以用str.extract和assign

将列分开

regex = '(?P<Col2>.*)|{2,}(?P<Col4>.*)((?P<Col5>.*))'
mydf.assign(**mydf.Col2.str.extract(regex, expand=True).to_dict('list'))
  Col1 Col2  Col3 Col4 Col5
0   AA   AN  log1  Ind  0.9
1   AB   LN  log2  RED  8.9
2  AAC   RN  log3  RED  9.8

或与combine_first

等效

regex = '(?P<Col2>.*)|{2,}(?P<Col4>.*)((?P<Col5>.*))'
mydf.Col2.str.extract(regex, expand=True).combine_first(mydf)
  Col1 Col2  Col3 Col4 Col5
0   AA   AN  log1  Ind  0.9
1   AB   LN  log2  RED  8.9
2  AAC   RN  log3  RED  9.8

说明

这使用正则表达式解析Col2值并同时分配列名

regex = '(?P<Col2>.*)|{2,}(?P<Col4>.*)((?P<Col5>.*))'

• '(?P<Col2>.*)|{2,}'将抓住所有内容到第一个双|，并将其称为Col2
• '(?P<Col4>.*)'将所有内容抓住到括号，称其为Col4
• '((?P<Col5>.*))'抓住括号内的所有东西，称其为 Col5
• 最后，我们要么重新调用Col2覆盖现有的Col2，要么使用combine_first，在其中默认为新配方的Col2值。

Answer 2

@pirsquared答案像往常一样令人惊讶，并且投票，我只是在发布我的方法。我只是让它非常简单

mydf[['Col2', 'Col4', 'Col5']]= mydf.Col2.str.extract('(.*?)||(.*?)((.*?))', expand = True)

col2会自动重新分配，因此以后不需要删除列。

    Col1    Col2    Col3    Col4    Col5
0   AA      AN      log1    Ind     0.9
1   AB      LN      log2    RED     8.9
2   AAC     RN      log3    RED     9.8

Answer 3

使用从Great @pirsquared的解决方案

使用Regex

In [59]: regex = '(?P<Col2>.*)|{2,}(?P<Col4>.*)((?P<Col5>.*))'
In [60]: mydf = mydf.join(mydf.pop('Col2').str.extract(regex, expand=True)) 
                    .sort_index(axis=1)
In [61]: mydf
Out[61]:
  Col1 Col2  Col3 Col4 Col5
0   AA   AN  log1  Ind  0.9
1   AB   LN  log2  RED  8.9
2  AAC   RN  log3  RED  9.8