分割成一个包含两个元素列表的列
对于一个已知分隔符的简单分割(例如,用破折号分割或用空格分割).str.split() 方法就足够了 。 它在字符串的列(系列)上运行,并返回列表(系列)。
?
分割成两列,每列包含列表的相应元素
下面来看下如何从:分割成一个包含两个元素列表的列至分割成两列,每列包含列表的相应元素。
?
因此可以得到
?
可以通过如下代码将pandas的一列分成两列:
?
补充知识:pandas某一列中每一行拆分成多行的方法
在处理数据过程中,常会遇到将一条数据拆分成多条,比如一个人的地址信息中,可能有多条地址,既有家庭地址也有工作地址,还有电话信息等等类似的情况,实际使用数据的时候又需要分开处理,这个时候就需要将这一条数据进行拆分成多条,以方便使用。
在pandas中如何对DataFrame进行相关操作呢,经查阅相关资料,发现了一个简单的办法,
info.drop(['city'], axis=1).join(info['city'].str.split(' ', expand=True).stack().reset_index(level=1, drop=True).rename('city'))
看起来非常之长,分开来看,流程如下:
将需要拆分的数据使用split拆分工具拆分,并使用expand功能拆分成多列
将拆分后的多列数据进行列转行操作(stack),合并成一列
将生成的复合索引重新进行reset保留原始的索引,并命名
将上面处理后的DataFrame和原始DataFrame进行join操作,默认使用的是索引进行连接
具体操作如下:
预操作:生成需要使用的DataFrame
?
结果如下:
name
phone-number
city
state
0
Hannah Richard
810-859-7815
Irwinville
Louisiana
1
Ronald Berry
591-564-0585
Glen Ellen
Minnesota
2
Caitlin Barron
969-840-8580
Dubois
Oklahoma
3
Felicia Stephens
154-858-1233
Veedersburg
Alaska
4
Shelly Dennis
343-104-9365
Mattapex
Virginia
5
Nicholas Hill
992-239-1954
Moneta
Minnesota
6
Steve Bradshaw
164-081-7811
Ten Broeck
Colorado
7
Gail Johnston
155-259-9514
Wayan
Virginia
8
John Gray
409-892-4716
Darlington
Pennsylvania
9
Katherine Bautista
185-861-1677
McNab
Texas
假如现在我们要对city列进行进行拆分,按照空格拆分,转换成多行的数据,
第一步:拆分,生成多列
info_city = info['city'].str.split(' ', expand=True)
结果如下:
0
1
0
Irwinville
None
1
Glen
Ellen
2
Dubois
None
3
Veedersburg
None
4
Mattapex
None
5
Moneta
None
6
Ten
Broeck
7
Wayan
None
8
Darlington
None
9
McNab
None
可以看到已经将原始数据拆分成了2列,对于无法拆分的数据为None
第二步:行转列
info_city = info_city.stack()
结果如下:
0
0
Irwinville
1
0
Glen
1
Ellen
2
0
Dubois
3
0
Veedersburg
4
0
Mattapex
5
0
Moneta
6
0
Ten
1
Broeck
7
0
Wayan
8
0
Darlington
9
0
McNab
其中前面两列是索引,返回的是一个series,没有名字的series
第三步:重置索引,并命名(并删除多于的索引)
info_city = info_city.reset_index(level=1, drop=True)
结果如下:
0
Irwinville
1
Glen
1
Ellen
2
Dubois
3
Veedersburg
4
Mattapex
5
Moneta
6
Ten
6
Broeck
7
Wayan
8
Darlington
9
McNab
第四步:和原始数据合并
info_new = info.drop(['city'], axis=1).join(info_city)
结果如下:
name
phone-number
state
city
0
Hannah Richard
810-859-7815
Louisiana
Irwinville
1
Ronald Berry
591-564-0585
Minnesota
Glen
1
Ronald Berry
591-564-0585
Minnesota
Ellen
2
Caitlin Barron
969-840-8580
Oklahoma
Dubois
3
Felicia Stephens
154-858-1233
Alaska
Veedersburg
4
Shelly Dennis
343-104-9365
Virginia
Mattapex
5
Nicholas Hill
992-239-1954
Minnesota
Moneta
6
Steve Bradshaw
164-081-7811
Colorado
Ten
6
Steve Bradshaw
164-081-7811
Colorado
Broeck
7
Gail Johnston
155-259-9514
Virginia
Wayan
8
John Gray
409-892-4716
Pennsylvania
Darlington
9
Katherine Bautista
185-861-1677
Texas
McNab
需要特别注意的是,需要使用原始的连接新生成的,因为新生成的是一个series没有join方法,也可以通过将生成的series通过to_frame方法转换成DataFrame,这样就没有什么差异了
写了这么多,记住下面的就行了:
info.drop([‘city'], axis=1).join(info[‘city'].str.split(' ', expand=True).stack().reset_index(level=1, drop=True).rename(‘city'))
如果原数据中已经是list了,可以将info[‘city'].str.split(' ', expand=True)这部分替换成info[‘city'].apply(lambda x: pd.Series(x)),就可以达到相同的目的。
以上这篇Pandas实现一列数据分隔为两列就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/Dennis_Shaw/article/details/96136723