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(['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
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。
到此这篇关于Pandas使用分隔符或正则表达式将字符串拆分为多列的文章就介绍到这了,更多相关Pandas 字符串拆分为多列内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了在Python中使用Fsolve函数的过程解析,在这篇文章中，我们了解到fsolve 是用来寻找非线性方程的根的，了解到fsolve 可以接受的不同种类的参数以及每个参数的含义，需要的朋友可以参考下2023-06-06
异常检测提供了在数据中发现模式、偏差和异常的途径，这些模式、偏差和异常不限于模型的标准行为。本文将用Python Pycaret进行异常检测，感兴趣的可以了解一下2022-03-03
质数也称为质数,具有无限个,质数定义为大于1的自然数,除了1和它本省外没有其他因数的数称为质数,这篇文章主要给大家介绍了关于python获取100以内质数的3种方式,需要的朋友可以参考下2024-08-08
大家好，本篇文章主要讲的是Python中经常使用的代码片段，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下2022-01-01
这篇文章主要介绍了python程序 创建多线程过程详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-09-09
这篇文章主要为大家详细介绍了python实现Virginia无密钥解密，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-03-03
今天小编就为大家分享一篇解决Python获取字典dict中不存在的值时出错问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-10-10
Tensorflow中的图（tf.Graph）和会话（tf.Session）的实现
这篇文章主要介绍了Tensorflow中的图（tf.Graph）和会话（tf.Session）的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-04-04
在Excel中录入好数据以后经常需要被matlab读取,具体该如何读取并进行筛选呢？下面这篇文章就来给大家介绍了关于Matlab读取excel并利用拉依达准则筛选数据的相关资料,需要的朋友可以参考下2021-08-08
map与reduce是两个十分常用的Python内置函数，它们与Hadoop中的MapReduce在某些方面有一定的相似之处。2018-02-02
最新评论