当前位置 : 主页 > 编程语言 > python >

Pandas使用分隔符或正则表达式将字符串拆分为多列

来源:互联网 收集:自由互联 发布时间:2023-03-17
目录 str.split():用定界符分割 pandas.Series pandas.DataFrame str.extract():按正则表达式拆分 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
目录
  • str.split():用定界符分割
    • pandas.Series
    • pandas.DataFrame
  • str.extract():按正则表达式拆分

    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

    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(['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自由互联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自由互联!

    网友评论