时间戳

首页 > 解决方案 > 在熊猫中使用文本作为列标题和列值将字符串拆分为列

python - 在熊猫中使用文本作为列标题和列值将字符串拆分为列

问题描述

我有一个 df 有 1 列，其中每行包含一个字符串。它看起来像这样：

df
          data
in 9.14  out 9.66  type 0.0
in 9.67  out 9.69  type 0.0
in 9.70  out 10.66 type 0.0
in 10.67 out 11.34 type 2.0
in 11.35 out 12.11 type 2.0

我想将此列的文本拆分为多列。我想使用单词 [in, out, type] 作为列标题，并将每个单词后面的值用作行值。结果将有 3 列标记为 in、out 和 type，如下所示：

        df
        
         in    out   type
        9.14   9.66   0.0
        9.67   9.69   0.0
        9.70   10.66  0.0
        10.67  11.34  2.0
        11.35  12.11  2.0

谢谢！

标签： pythonpandas

解决方案

如果你提前知道单词是什么，并且可以保证不会有坏数据，这是一个简单的str.extract问题，你可以构造一个健壮的正则表达式来捕获每个组，使用命名组来创建DataFrame 一次通过。示例数据的正则表达式包含在方法 #2 中。

但是，为了演示，最好假设您可能有错误的数据，并且您可能事先不知道列名是什么。在这种情况下，您可以使用str.extractalland some unstacking。

选项 1
extractall +set_index+unstack

generic_regex = r'([a-zA-Z]+)[^0-9]+([0-9\.]+)'

df['data'].str.extractall(generic_regex).set_index(0, append=True)[1].unstack([0, 1])


0         in    out type
match      0      1    2
0       9.14   9.66  0.0
1       9.67   9.69  0.0
2       9.70  10.66  0.0
3      10.67  11.34  2.0
4      11.35  12.11  2.0

选项 2
定义显式正则表达式并使用extract

rgx = r'in\s+(?P<in>[^\s]+)\s+out\s+(?P<out>[^\s]+)\s+type\s+(?P<type>[^\s]+)'

df['data'].str.extract(rgx)


      in    out type
0   9.14   9.66  0.0
1   9.67   9.69  0.0
2   9.70  10.66  0.0
3  10.67  11.34  2.0
4  11.35  12.11  2.0

推荐阅读