字符串的拆分和合并python_左右用R右手Python9—

在文本处理和数据清洗阶段，对字符串或者字符型变量进行分割、提取或者合并虽然谈不上什么高频需求，但是往往也对很重要的。

接下来跟大家大致盘点一下在R语言与Pyhton中，常用的字符串分割与合并的函数。

R语言：

字符串向量：

针对向量：

strsplit #针对字符串向量(拆分)

str_split #针对字符串向量(拆分)stringr包内函数

paste #针对向量合并

针对数据框：

unite #合并数据框中的某几列

separate #将数据框中某一列按照某种模式拆分成几列

R语言：

library(dplyr)

library(stringr)

library(tidyr)

myyear

mymonth

myday

myyear;mymonth;myday

[1] "2000" "2010" "2002" "2012" "2015" "2006" "2001" "2017" "2005" "2013"

[1] "10" "03" "01" "09" "04" "02" "05" "07" "00" "12"

[1] "18" "15" "28" "00" "11" "20" "31" "19" "04" "12"

首先使用paste函数进行合并：

full

#在向量等长的情况下，可以实现配对合并：

[1] "2000" "2010" "2002" "2012" "2015" "2006" "2001" "2017" "2005" "2013"

使用strsplit函数进行拆分：

myyear1=mymonth1=myday1=NULL

for( i in 1:length(full)){

myyear1[i]

mymonth1[i]

myday1[i]

}

myyear1;mymonth1;myday1

[1] "2000" "2010" "2002" "2012" "2015" "2006" "2001" "2017" "2005" "2013"

[1] "10" "03" "01" "09" "04" "02" "05" "07" "00" "12"

[1] "18" "15" "28" "00" "11" "20" "31" "19" "04" "12"

str_split函数与strsplit函数用法类似：

myyear1=mymonth1=myday1=NULL

for( i in 1:length(full)){

myyear1[i]

mymonth1[i]

myday1[i]

}

myyear1;mymonth1;myday1

> myyear1;mymonth1;myday1

[1] "2000" "2010" "2002" "2012" "2015" "2006" "2001" "2017" "2005" "2013"

[1] "10" "03" "01" "09" "04" "02" "05" "07" "00" "12"

[1] "18" "15" "28" "00" "11" "20" "31" "19" "04" "12"

接下来解释在如何直接针对数据框进行合并与分列的操作：

mydata

myyear mymonth myday

1 2000 10 18

2 2010 03 15

3 2002 01 28

4 2012 09 00

5 2015 04 11

6 2006 02 20

7 2001 05 31

8 2017 07 19

9 2005 00 04

10 2013 12 12

unite (data,col, ..., sep = "-", remove = TRUE)

separate(data,col, into,sep="-", remove = TRUE)

unite和separate函数是配对函数，内部的参数严格白痴对称，第一个参数数要操作的数据框名称，第二个参数是合并后的新列名(或者待拆分的列名)，第三部分是待合并的列名向量(拆分后的新增列名)，sep是拆分(合并)依据，remove则控制输出的数据框是否包含原始向量(针对合并前的待合并变量和拆分前的待拆分变量)。

mydata1

datetime myyear mymonth myday

1 2000-10-18 2000 10 18

2 2010-03-15 2010 03 15

3 2002-01-28 2002 01 28

4 2012-09-00 2012 09 00

5 2015-04-11 2015 04 11

6 2006-02-20 2006 02 20

7 2001-05-31 2001 05 31

8 2017-07-19 2017 07 19

9 2005-00-04 2005 00 04

10 2013-12-12 2013 12 12

mydata2

datetime datetime1 myyear mymonth myday

1 2000-10-18 2000-10-18 2000 10 18

2 2010-03-15 2010-03-15 2010 03 15

3 2002-01-28 2002-01-28 2002 01 28

4 2012-09-00 2012-09-00 2012 09 00

5 2015-04-11 2015-04-11 2015 04 11

6 2006-02-20 2006-02-20 2006 02 20

7 2001-05-31 2001-05-31 2001 05 31

8 2017-07-19 2017-07-19 2017 07 19

9 2005-00-04 2005-00-04 2005 00 04

10 2013-12-12 2013-12-12 2013 12 12

Python字符串合并与分列：

因为对Python的字符串操作掌握有限，再加上Python字符串操作及其灵活，各种推导式和匿名函数可以很方便的完成，这里仅给出自己常用的做法作为实例，未包含所有方法：

字符串合并：

字符串链接符：”+”

字符串合并函数：join

字符串拆分：split

import randomimport pandas as pd

myyear=random.sample(list(range(2000,2017)),10);myyear

mymonth=['%02d' % i for i in random.sample(list(range(1,12)),10)];mymonth

myday=['%02d' % i for i in random.sample(list(range(1,31)),10)];myday

[2006, 2000, 2007, 2001, 2015, 2016, 2002, 2012, 2010, 2004]

['04', '11', '06', '10', '07', '08', '05', '02', '03', '01']

['13', '28', '21', '06', '08', '03', '17', '16', '04', '20']

字符串合并：

mydate=[str(i)+"-"+j+"-"+k for i,j,k in zip(myyear,mymonth,myday)]

['2011-04-25', '2008-11-30', '2003-06-02', '2007-10-22', '2009-07-13', '2005-08-27', '2014-05-28', '2012-02-10', '2016-03-14', '2015-01-21']

mydate=["-".join([str(i),j,k]) for i,j,k in zip(myyear,mymonth,myday)]

['2011-04-25', '2008-11-30', '2003-06-02', '2007-10-22', '2009-07-13', '2005-08-27', '2014-05-28', '2012-02-10', '2016-03-14', '2015-01-21']

字符串拆分：

方法一(列表推导式)：

myyear1=[i.split("-")[0] for i in mydate];myyear1

mymonth1=[i.split("-")[1] for i in mydate];mymonth1

myday1=[i.split("-")[2] for i in mydate];myday1

['2011', '2008', '2003', '2007', '2009', '2005', '2014', '2012', '2016', '2015']

['04', '11', '06', '10', '07', '08', '05', '02', '03', '01']

['25', '30', '02', '22', '13', '27', '28', '10', '14', '21']

方法二(使用字典)：

mydata=pd.DataFrame({"date":mydate})

mydata["date"].str.split("-",expand=True)

0 1 2

0 2011 04 25

1 2008 11 30

2 2003 06 02

3 2007 10 22

4 2009 07 13

5 2005 08 27

6 2014 05 28

7 2012 02 10

8 2016 03 14

9 2015 01 21

myyear2=mydata["date"].str.split("-",expand=True)[0];print(myyear2)

mymonth2=mydata["date"].str.split("-",expand=True)[1];print(mymonth2)

myday2=mydata["date"].str.split("-",expand=True)[2];print(myday2)0 20111 20082 20033 20074 20095 20056 20147 20128 20169 2015Name: 0, dtype: object0 041 112 063 104 075 086 057 028 039 01Name: 1, dtype: object0 251 302 023 224 135 276 287 108 149 21Name: 2, dtype: object

本文小结——字符串拆分与合并：

R语言：

拆分：

strsplit

str_split

合并：

paste

tidyr::unite

tidyr::separate

Python：

拆分：

.split