使用子字符串将熊猫数据框列切片为多列答案

【问题标题】：Slice pandas dataframe column into multiple columns using substring使用子字符串将熊猫数据框列切片为多列
【发布时间】：2022-11-22 19:36:10
【问题描述】：

数据框 'df' 具有以下数据 -

Column A	Column B
Item_ID1	Information - information for item that has ID as 1\nPrice - $7.99\nPlace - Albany, NY
Item_ID2	Information - item's information with ID as 2\nPrice - $5.99\nPlace - Ottawa, ON

如何使用“信息”、“价格”和“地点”将 B 列中的值分离到不同的列中，例如 -

Column A	Information	Price	Place
Item_ID1	information for item that has ID as 1	$7.99	Albany, NY
Item_ID2	item's information with ID as 2	$5.99	Ottawa, ON

我尝试根据 'Information - '、'Price - '、'Place - ' 等字符串值拆分 B 列，但这变得越来越复杂，第一个切片包含关于 Price 和 Place 的信息，这在其中不是必需的。

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

您可以使用 pandas.Series.split 来解决这个问题：

df[["Information", "Price", "Place"]]= df.pop("Column B").str.split(r"\n", expand=True)

df= df.astype(str).apply(lambda x: x.replace(x.name, "", regex=True).str.strip(" - "))

＃输出：

print(df.to_string())

   Column A                            Information  Price       Place
0  Item_ID1  information for item that has ID as 1  $7.99  Albany, NY
1  Item_ID2        item's information with ID as 2  $5.99  Ottawa, ON

【讨论】：

【解决方案2】：

对于不需要提前知道未来列的通用方法，可以使用 str.extractall 和 pivot：

out = df.drop(columns='Column B').join(
 df['Column B']
 .str.extractall(r'([^-]+) - ([^
]+)
?')
 .droplevel('match')
 .pivot(columns=0, values=1)
)

注意。我假设你有真正的换行符，如果你有两个字符和 n，你可以用 df['Column B'] = df['Column B'].str.replace(r'\n', ' ') 转换

输出：

   Column A                            Information       Place  Price
0  Item_ID1  information for item that has ID as 1  Albany, NY  $7.99
1  Item_ID2        item's information with ID as 2  Ottawa, ON  $5.99

【讨论】：

【解决方案3】：

另一种可能的解决方案，基于以下想法：

使用pandas.Series.str.split将Column B拆分为s-s|\n。
使用 numpy.reshape 重塑结果。

申请pandas.pivot_table。

(pd.concat([df['Column A'], pd.DataFrame(
    df['Column B'].str.split(r's-s|\n', expand=True, regex=True).values
    .reshape((-1,2)))
 .pivot_table(columns=0, values=1, aggfunc=list)
 .pipe(lambda d: d.explode(d.columns.tolist(), ignore_index=True))], axis=1))

输出：

   Column A                            Information       Place  Price
0  Item_ID1  information for item that has ID as 1  Albany, NY  $7.99
1  Item_ID2        item's information with ID as 2  Ottawa, ON  $5.99

【讨论】：

＃ 输出 ：

＃输出：