df = pd.DataFrame()
df[‘address’] = address
print(df)
原数据示例如下:
将address分割成不同的地理级别,结果生成一个DataFrame对象:
print(“=======================================================================”)
df1 = df[‘address’].str.split(’ ', expand=True)
print(df1)
结果如下:
最后将结果放入原DataFrame中。
df[‘省’] = series[0]
df[‘市’] = series[1]
df[‘区’] = series[2]
df = df[[‘省’, ‘市’, ‘区’]]
print(df)
============================================================================================
import pandas as pd
pd.set_option(‘display.unicode.east_asian_width’, True)
address = ['重庆 重庆市 南岸区 ',
‘江苏省 苏州市 吴江区 吴江经济技术开发区亨通路’,
‘江苏省 苏州市 园区 苏州市工业园区唯亭镇阳澄湖大道维纳阳光花园’,
‘重庆 重庆市 南岸区 长生桥镇茶园新区长电路’,
‘安徽省 滁州市 明光市 三界镇中心街10001号’,
‘山东省 潍坊市 寿光市 圣城街道潍坊科技学院’,
‘吉林省 长春市 二道区 东盛街道彩虹风景’,
‘福建省 厦门市 湖里区 江头街道厦门市湖里区祥店福满园小区’,
‘山西省 吕梁市 离石区 滨河街道山西省吕梁市离石区后瓦师巷’,
‘河南省 濮阳市 华龙区 中原路街道中原路与107国道交叉口东’,
‘广东省 深圳市 宝安区 松岗街道松岗镇潭头第二工业区’,
‘河北省 石家庄市 辛集市 辛集镇辛集市新皮革城7期125楼’,
‘广东省 深圳市 宝安区 松岗街道松岗镇潭头第二工业区’,
‘贵州省 贵阳市 花溪区 党武镇师范大学师大超市’,
‘广东省 深圳市 福田区 沙头街道上沙龙秋村五十巷’,
‘福建省 福州市 闽侯县 上街镇福州闽侯上街国宾大道’,
‘湖北省 鄂州市 鄂城区 西山街道江碧路和馨居’,
‘上海 上海市 松江区’,
‘山东省 青岛市 市北区’,
‘山西省 晋中市 灵石县’,
‘浙江省 杭州市 余杭区’]
df = pd.DataFrame()
df[‘address’] = address
df = df.join(df[‘address’].str.split(’ ', expand=True))
print(df)
运行结果同上。
=======================================================================================
使用apply方法,将某个元素类型为元组的列,将其元组中的元素拆分为不同的列。
import pandas as pd
df = pd.DataFrame({‘a’: [1, 2, 3, 4, 5], ‘b’: [(1, 2), (3, 4), (5, 6), (7, 8), (9, 10)]})
print(df)
df[[‘b1’, ‘b2’]] = df[‘b’].apply(pd.Series)
print(df)
或者也可以这样写:
import pandas as pd
最后
不知道你们用的什么环境,我一般都是用的Python3.6环境和pycharm解释器,没有软件,或者没有资料,没人解答问题,都可以免费领取(包括今天的代码),过几天我还会做个视频教程出来,有需要也可以领取~
给大家准备的学习资料包括但不限于:
Python 环境、pycharm编辑器/永久激活/翻译插件
python 零基础视频教程
Python 界面开发实战教程
Python 爬虫实战教程
Python 数据分析实战教程
python 游戏开发实战教程
Python 电子书100本
Python 学习路线规划
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!