Pandas使用分隔符或正则表达式将字符串拆分为多列
作者:饺子大人 时间:2022-03-05 13:52:54
Pandas如何将带有字符串元素的列拆分为多个列。
使用以下字符串的方法。
str.split():用定界符分割
str.extract():按正则表达式拆分
字符串方法是pandas.Series方法。
适用于pandas.Series或pandas.DataFrame列
str.split():用定界符分割
要按定界符(delimiter)进行拆分,使用字符串方法str.split()。
pandas.Series
以以下pandas.Series为例。
import pandas as pd
s_org = pd.Series(['aaa@xxx.com', 'bbb@yyy.com', 'ccc@zzz.com', 'ddd'], index=['A', 'B', 'C', 'D'])
print(s_org)
print(type(s_org))
# A aaa@xxx.com
# B bbb@yyy.com
# C ccc@zzz.com
# D ddd
# dtype: object
# <class 'pandas.core.series.Series'>
将定界符指定为第一个参数。一个pandas.Series元素作为拆分字符串的列表返回。
s = s_org.str.split('@')
print(s)
print(type(s))
# A [aaa, xxx.com]
# B [bbb, yyy.com]
# C [ccc, zzz.com]
# D [ddd]
# dtype: object
# <class 'pandas.core.series.Series'>
指定split = True作为参数可分为多个列并以pandas.DataFrame的形式获取。默认值为expand = False。
没有足够的行划分的元素为“无(None)”。
df = s_org.str.split('@', expand=True)
print(df)
print(type(df))
# 0 1
# A aaa xxx.com
# B bbb yyy.com
# C ccc zzz.com
# D ddd None
# <class 'pandas.core.frame.DataFrame'>
可以在列中指定获取的pandas.DataFrame的列名。
df.columns = ['local', 'domain']
print(df)
# local domain
# A aaa xxx.com
# B bbb yyy.com
# C ccc zzz.com
# D ddd None
pandas.DataFrame
如果要通过将pandas.DataFrame的特定列拆分为多列来更新它,这会有些乏味。可能有更好的方法。
以先前创建的pandas.DataFrame为例。
print(df)
# local domain
# A aaa xxx.com
# B bbb yyy.com
# C ccc zzz.com
# D ddd None
在特定的列上使用str.split()获得一个拆分的pandas.DataFrame。
print(df['domain'].str.split('.', expand=True))
# 0 1
# A xxx com
# B yyy com
# C zzz com
# D None None
使用pd.concat()与原始pandas.DataFrame进行串联(联接),并使用drop()方法删除原始列。
df2 = pd.concat([df, df['domain'].str.split('.', expand=True)], axis=1).drop('domain', axis=1)
print(df2)
# local 0 1
# A aaa xxx com
# B bbb yyy com
# C ccc zzz com
# D ddd None None
如果剩余的列很少,则只能选择与pd.concat()串联(联接)时所需的列。
df3 = pd.concat([df['local'], df['domain'].str.split('.', expand=True)], axis=1)
print(df3)
# local 0 1
# A aaa xxx com
# B bbb yyy com
# C ccc zzz com
# D ddd None None
要重命名特定的列,请使用rename()方法。
df3.rename(columns={0: 'second_LD', 1: 'TLD'}, inplace=True)
print(df3)
# local second_LD TLD
# A aaa xxx com
# B bbb yyy com
# C ccc zzz com
# D ddd None None
参考文章
Pandas.DataFrame的行名和列名的修改
str.extract():按正则表达式拆分
使用字符串方法str.extract()分割正则表达式。
以以下pandas.Series为例。
import pandas as pd
s_org = pd.Series(['aaa@xxx.com', 'bbb@yyy.com', 'ccc@zzz.com', 'ddd'], index=['A', 'B', 'C', 'D'])
print(s_org)
# A aaa@xxx.com
# B bbb@yyy.com
# C ccc@zzz.com
# D ddd
# dtype: object
在第一个参数中指定正则表达式。对于每个与正则表达式中用()括起来的组部分匹配的字符串,均对其进行划分。
提取多个组时,无论参数expand如何,都将返回pandas.DataFrame。
如果不匹配,则为NaN。
df = s_org.str.extract('(.+)@(.+)\.(.+)', expand=True)
print(df)
# 0 1 2
# A aaa xxx com
# B bbb yyy com
# C ccc zzz com
# D NaN NaN NaN
df = s_org.str.extract('(.+)@(.+)\.(.+)', expand=False)
print(df)
# 0 1 2
# A aaa xxx com
# B bbb yyy com
# C ccc zzz com
# D NaN NaN NaN
如果只有一组,则当参数expand = True时返回pandas.DataFrame,如果expand = False则返回pandas.Series。
df_single = s_org.str.extract('(\w+)', expand=True)
print(df_single)
print(type(df_single))
# 0
# A aaa
# B bbb
# C ccc
# D ddd
# <class 'pandas.core.frame.DataFrame'>
s = s_org.str.extract('(\w+)', expand=False)
print(s)
print(type(s))
# A aaa
# B bbb
# C ccc
# D ddd
# dtype: object
# <class 'pandas.core.series.Series'>
Expand = False是当前版本0.22.0中的默认值,但expand = True将是将来的默认值。
FutureWarning: currently extract(expand=None) means expand=False (return Index/Series/DataFrame)
but in a future version of pandas this will be changed to expand=True (return DataFrame)
如果对正则表达式模式使用命名组(?P …),则该名称将按原样是列名。
df_name = s_org.str.extract('(?P<local>.*)@(?P<second_LD>.*)\.(?P<TLD>.*)', expand=True)
print(df_name)
# local second_LD TLD
# A aaa xxx com
# B bbb yyy com
# C ccc zzz com
# D NaN NaN NaN
如果要通过将pandas.DataFrame的特定列划分为多个列来进行更新,请参考上面的str.split()示例。使用pd.concat()连接(联接)原始的pandas.DataFrame并使用drop()方法删除原始的列。
来源:https://blog.csdn.net/qq_18351157/article/details/105506107
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
PHP面向对象程序设计继承用法简单示例
有效LOGO设计的最重要的提示
![](https://img.aspxhome.com/file/UploadPic/20106/9/01-95s.gif)
用Python逐行分析文件方法
Django实现jquery select2带搜索的下拉框
![](https://img.aspxhome.com/file/2023/7/127727_0s.png)
Python实现Matplotlib,Seaborn动态数据图的示例代码
![](https://img.aspxhome.com/file/2023/5/77745_0s.gif)
Python代码注释规范代码实例解析
Python pip 常用命令汇总
![](https://img.aspxhome.com/file/2023/4/133274_0s.png)
详解如何基于Pyecharts绘制常见的直角坐标系图表
![](https://img.aspxhome.com/file/2023/4/71424_0s.png)
Go语言interface详解
Python装饰器语法糖
前端开发中的一些用户体验细节
![](https://img.aspxhome.com/file/UploadPic/201010/19/01-17s.jpg)
浅谈python新式类和旧式类区别
Python中Django框架利用url来控制登录的方法
python线程优先级队列知识点总结
JavaScript在ASP页面中实现掩码文本框效果代码
Python列表删除元素del、pop()和remove()的区别小结
Pandas实现聚合运算agg()的示例代码
![](https://img.aspxhome.com/file/2023/2/86162_0s.png)
python strip() 函数和 split() 函数的详解及实例
ORACLE 分区表的设计
使用python实现ANN
![](https://img.aspxhome.com/file/2023/6/134696_0s.jpg)