在数据处理时,有时需要对数据进行分列,类似于Excel里面的分列功能,这个在pandas里面也可以实现,下面就来详细介绍相关的方法及注意点,前提是你已经对pandas有一定的了解
导入数据
这里介绍的是从Excel导入数据,当然也可以从其他文件导入、数据库查询后导入等,为了弄清楚里面的细节,本教程从Excel导入数据
import pandas as pd
import numpy as np
data=pd.read_excel('split.xlsx')
查看原始数据及各列数据类型,可以看到指标、选项都是object类型,其中选项列没有缺失值
![](https://i-blog.csdnimg.cn/blog_migrate/c30fa22a7953301d0f96275fdf54df37.png)
对选项列进行分列
对导入的原始数据进行分列,这里运用的是pandas.Series.str.split方法,可以理解为把Series作为字符串进行分列操作,分列都是对字符串进行操作的
split_data=data['选项'].str.split(':',expand=True) #需要添加expand=True,使分列后的数据扩展为一个数据框
split_data
![](https://i-blog.csdnimg.cn/blog_migrate/0ca6352e7aab938dbb665cb9e4ec21de.png)
可以明显看到分列后的数据,第1、5、6索引行全是缺失值,对比上面的原始数据,这些都是只有一个数字,难道分列方法split对只有一个数字不能分列吗?其实则并不然,实际的原因请往下看
寻找原因
查看Excel里面的数据寻找原因,发现选项所在列,单个数字在Excel单元格是数字,其他的都是文本,因Excel里面数字一般都是在单元格里面都是靠右对齐,而文本都是靠左对齐
![](https://i-blog.csdnimg.cn/blog_migrate/000b026b4778644868d6d183e645958f.png)
但是pandas导入数据后,已经查看了选项列为object类型,难道判断的数据类型有问题?请继续往下看
强制转换数据类型,再次分列
data['选项']=data['选项'].astype('str')
#data['选项']=data['选项'].astype('object') #这两个代码都可以转换
split_data=data['选项'].str.split(':',expand=True)
split_data
![](https://i-blog.csdnimg.cn/blog_migrate/e15c284f763545202f59241451371918.png)
可以看到已经成功进行分列了, 说明pandas读取的数据,判断出来的数据类型并不一定是这一列所有数据的真实类型,而是能概括所有类型的一个较大的类型(兼容所有类型),并没有强制转换为同一个数据类型,比如选项列,里面有数值型、字符串型,那么较大的一个类型是object,pandas及认为该列数据类型是object
合并数据
split_data.columns=['s_1','s_2','s_3','s_4']
data.join(split_data) #join比较方便,根据索引直接对两个表进行链接,而merge需要设置链接时的字段
![](https://i-blog.csdnimg.cn/blog_migrate/7c607ad9133e9d5732bc27271813c426.png)
分列时注意事项
1.导入数据后一定要检查数据类型,不要急着去处理
2.分列前检查该列数据类型,确保该列数据类型都是字符串类型,或者object类型,当数据量很大的时候这个很容易出错
pandas里面数据类型对照
详情请参考这篇博文,数据处理过程的数据类型
![](https://i-blog.csdnimg.cn/blog_migrate/8252872f1171d2164a38bfc8e0cb8133.png)