时间戳

首页 > 解决方案 > 根据键值熊猫拆分数据框列

python-3.x - 根据键值熊猫拆分数据框列

问题描述

我有一个这样的数据框：

                               Id Column  Val1   Val2
0      Cust=abc,Region Info=xyz,Data=123   0.0    NaN
1      Cust=abd,Region Info=xyz,Data=124   1.0  750.0
2                  Cust=acc hit,Data=125   3.0  400.0
3      Cust=abc,Region Info=xyz,Data=126   NaN  200.0
4  Cust=abg nss,Region Info=xaz,Data=127  -1.0  420.0
5               Cust=evc,Region Info=atz   2.0    NaN

我想将数据框转换为：

                               Id Column  Val1   Val2     Cust Region Info   Data
0      Cust=abc,Region Info=xyz,Data=123   0.0    NaN      abc         xyz  123.0
1      Cust=abd,Region Info=xyz,Data=124   1.0  750.0      abd         xyz  124.0
2                  Cust=acc hit,Data=125   3.0  400.0  acc hit         NaN  125.0
3      Cust=abc,Region Info=xyz,Data=126   NaN  200.0      abc         xyz  126.0
4  Cust=abg nss,Region Info=xaz,Data=127  -1.0  420.0  abg nss         xaz  127.0
5               Cust=evc,Region Info=atz   2.0    NaN      evc         atz    NaN

从this other question，我得到了部分答案。

但是如何处理键和值中的空格？

编辑：可能有多个键值对（示例中显示的除外）。所以我需要处理任何“n”个列的案例。

标签： python-3.xpandasdataframe

解决方案

Series.str.findall

我们可以使用str.findall正则表达式捕获组从列中提取key-value对Id Column

df.join(pd.DataFrame(map(dict, df['Id Column'].str.findall(r'([^=,]+)=([^,]+)'))))

                               Id Column  Val1   Val2     Cust Region Info Data
0      Cust=abc,Region Info=xyz,Data=123   0.0    NaN      abc         xyz  123
1      Cust=abd,Region Info=xyz,Data=124   1.0  750.0      abd         xyz  124
2                  Cust=acc hit,Data=125   3.0  400.0  acc hit         NaN  125
3      Cust=abc,Region Info=xyz,Data=126   NaN  200.0      abc         xyz  126
4  Cust=abg nss,Region Info=xaz,Data=127  -1.0  420.0  abg nss         xaz  127
5               Cust=evc,Region Info=atz   2.0    NaN      evc         atz  NaN

Regex细节

  • ([^=,]+): 第一个捕获组
    • [^=,]+：匹配列表中不存在的任何字符[=,]一次或多次
  • ==：从字面上匹配字符
  • ([^,]+): 第二个捕获组
    • [^,]+：匹配列表中不存在的任何字符[,]一次或多次

见网上regex demo

推荐阅读