10 | 您所在的位置:网站首页 › python怎么把数字拆分 › 10 |
10_Pandas使用分隔符或正则表达式将字符串拆分为多列
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(['[email protected]', '[email protected]', '[email protected]', 'ddd'], index=['A', 'B', 'C', 'D']) print(s_org) print(type(s_org)) # A [email protected] # B [email protected] # C [email protected] # D ddd # dtype: object #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 #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 #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 01_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(['[email protected]', '[email protected]', '[email protected]', 'ddd'], index=['A', 'B', 'C', 'D']) print(s_org) # A [email protected] # B [email protected] # C [email protected] # 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 # s = s_org.str.extract('(\w+)', expand=False) print(s) print(type(s)) # A aaa # B bbb # C ccc # D ddd # dtype: object #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.*)@(?P.*)\.(?P.*)', 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。 |
CopyRight 2018-2019 实验室设备网 版权所有 |