pandas数据分列实现分割符号&固定宽度
背景
数据分列在数据处理中很常见,数据分列一般指的都是字符串分割,这个功能在Excel里面很实用,处理数据非常方便,那么在pandas数据框中怎么使用呢,今天这篇文章就来详细介绍下

分列
模拟数据
以下面这9行数据作为案例来进行处理

模拟数据
读取数据
#加载库
import pandas as pd
#读取数据
data=pd.read_excel('data.xlsx')
读取数据
分割符号分列
主要运用了pandas里面列的str属性,str有很多的方法,感性的同学可以自动查找,这里不做过多介绍。分割字符用到的就是split方法重点:在分割前一定要把该列强制转换为字符型
#对指定列进行分割
split_data_1=data['分割字符'].astype('str').str.split('&',expand=True)
#修改分割后的字段名称
split_data_1.columns=['D_'+str(i) for i in split_data_1.columns]
#与原始数据进行合并
data_result=data.join(split_data_1)
分割符号
固定宽度分列
pandas里面没有固定分割的相应函数,这里巧妙的运用了辅助函数来进行处理,这里的固定宽度为1
#定义个辅助函数
def concat_split(x,width=1):
result=''
start=0
while True:
s=str(x)[start:start+width]
if s:
result =result + s + '&'
else:
break
start=start+width
return result[:-1]
#先利用辅助函数,再进行分割
split_data_2=data['固定宽度'].map(concat_split).str.split('&',expand=True)
#修改分割后的字段名称
split_data_2.columns=['W_'+str(i) for i in split_data_2.columns]
#与原始数据进行合并
data_result=data.join(split_data_2)
固定宽度
到此这篇关于pandas数据分列实现分割符号&固定宽度的文章就介绍到这了,更多相关pandas数据分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
Python Pandas读取csv/tsv文件(read_csv,read_table)的区别
这篇文章主要给大家介绍了关于Python Pandas读取csv/tsv文件(read_csv,read_table)区别的相关资料,文中通过实例代码介绍的非常详细,对大家学习或者使用Pandas具有一定的参考学习价值,需要的朋友可以参考下2022-01-01
ROS1 rosbag的详细使用并且使用python合并bag包的方法
这篇文章主要介绍了ROS1 rosbag的详细使用,并且使用python来合并bag包,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2023-05-05
Pandas文件处理中read_csv和to_csv参数详解与实战指南
在数据处理的过程中,经常需要读取和写入文本文件,本文将介绍Pandas中的read_csv和to_csv函数,详细解释其参数并提供实例演示,感兴趣的小伙伴可以了解下2025-11-11


最新评论