Python：根据其他列表中的元素拆分字符串

Question

所以我有一个按以下方式构建的 pandas 数据框：

In: df.head(1)
Out:
Individual      Employer                    EmployerState       BranchesState                    BranchesNr
872570          (4210, 7463, 23130, 133752) (MN, GA, NY, AZ)    (MN, AZ, GA, AZ, NY, AZ, AZ)    (0, 1, 0, 1, 0, 1, 0)

现在我打算做的是拆分所有多个雇主信息并为每个雇主-雇员对创建一个记录，如下所示：

Individual       Employer       EmployerState   BranchesState       BranchesNr
872570           4210           MN              MN, AZ              0, 1
872570           7463           GA              GA, AZ              0, 1
872570           23130          NY              NY, AZ              0, 1
872570           133752         AZ              AZ                  0

目前，我可以通过应用以下代码为 Individual、Employer 和 EmployerState 列执行此操作：

rows = [] # Store individuals in empty array
for _, row in indv_sub.iterrows():

# If there are multiple employers
# Example:
# Individual | Employer      =>         Individual | Employer
# 123        | (XY, AB)                 123        | XY
#                                       123        | AB

    if len(str(row['Employer']).split(','))>1:
        # split the individual record into as many employers as an individual has
        [rows.append(
                 [row['Individual'], 
                  m.replace('(','').replace(')',''),
                  l.replace('(','').replace(')',''),
                  row['BranchesState']]) 
                  for m,l in zip(row['Employer'].split(','),row['EmployerState'].split(','))]
    else:
        # just add the single employer
        rows.append([row['Individual'], row['Employer'], row['EmployerState'], row['BranchesState']])

indv_relevant = pd.DataFrame(rows,columns=('Individual','Employer','EmployerState','BranchesState'))
indv_relevant = indv_relevant.convert_objects(convert_numeric=True)   

这很好用，但我无法拆分 BranchesState 列。我添加了一个 BranchesNr 字段，该字段用 0 表示下一个雇主的分支机构。所以考虑这个例子：

 Employer           BranchesState                   BranchesNr
 (MN, GA, NY, AZ)   (MN, AZ, GA, AZ, NY, AZ, AZ)    (0, 1, 0, 1, 0, 1, 0)

第一个到值是 0,1 后跟一个 0，表示直到第二个位置的所有分支都属于第一个雇主。

list(row['BranchesState'].split(','))[:2] # would be attributable to the first employer

接下来是位置 3 到 4，属于第二个雇主，以此类推。我不太确定如何很好地实现它。有什么想法或建议吗？

P.S：这些字段是字符串，而不是看起来的元组/列表。另外0,1,0只是一个例子，一些序列是0,1,2,0,1,0,1,2,3,4等。

为了包含更多的数据变化，以下是 10 次观察的示例：

{u'BrnchOfLoc_FirmNr': {1490: u'(0, 0)', 第1498章 第1594章 1618: 你'(0, 0, 0)', 第1632章 第1633章 第1687章 第1738章 第1783章 第1793章 u'BrnchOfLoc_state': {1490: u'(CA, CA)', 第1498章 第1594章 第1618章 1632：你'（纽约，纽约）'， 第1633章 第1687章 第1738章 1783：你'（MS，MS，LA）'， 第1793章 u'CrntEmp_orgPK': {1490: u'(13572, 144875)', 第1498章 1594: 你'(519, 162200)', 1618: 你'(23131, 111532, 113269)', 1632: 你'(6627, 118660)', 1633: 你'(6413, 131406)', 第1687章 1738: 你'(23131, 105698)', 1783：你'（159778，160431）'， 1793: 你'(6413, 128859)'}, u'CrntEmp_state': {1490: u'(CA, CA)', 第1498章 第1594章 1618：你'（纽约，加利福尼亚，加利福尼亚）'， 1632：你'（纽约，纽约）'， 第1633章 第1687章 第1738章 第1783章 第1793章 u'Info_indvlPK'：{1490：u'731003'， 1498：你'29443'， 1594：你'708024'， 1618：你'707057'， 1632：你'830502'， 1633：你'854101'， 第1687章 第1738章 1783：你'734227'， 1793：你'849856'}， 'NumberEmployer': {1490: 2, 1498：2， 1594：2， 1618：3， 1632：2， 1633：2， 1687：2， 1738：2， 1783：2， 1793: 2}}

Answer 1

我认为这可以让您接近那里，但我仍然不清楚拆分 EmployerState 的规则。也许您可以添加一个额外的示例？

df = pd.DataFrame(
    {'BranchesNr': ['(0, 1, 0, 1, 0, 1, 0)', 
                    '(0, 1, 0, 1, 0, 1, 0)'],
     'BranchesState': ['(MN, AZ, GA, AZ, NY, AZ, AZ)',
                       '(MN, AZ, GA, AZ, NY, AZ, AZ)'],
     'Employer': ['(4210, 7463, 23130, 133752)',
                  '(4210, 7463, 23130, 133752)'],
     'EmployerState': ['(MN, GA, NY, AZ)',
                       '(MN, GA, NY, AZ)'],
     'Individual': [872570, 872570]})

df['Employer'] = df.Employer.str.findall('(\d+)')
df['EmployerState'] = df.EmployerState.str.findall('(\w+)')
df['BranchesState'] = df.BranchesState.str.findall('(\w+)')
df['BranchesNr'] = df.BranchesNr.str.findall('(0|1)+')

indices = [[0] + [n for n, flag in enumerate(branches, 1) if flag == '1'] 
           for branches in df.BranchesNr]

>>> [(row. Individual, row.Employer[n], row. EmployerState[n]) 
     for idx, row in df.iterrows() 
     for n in range(len(row.Employer))]


[(872570, '4210', 'MN'),
 (872570, '7463', 'GA'),
 (872570, '23130', 'NY'),
 (872570, '133752', 'AZ'),
 (872570, '4210', 'MN'),
 (872570, '7463', 'GA'),
 (872570, '23130', 'NY'),
 (872570, '133752', 'AZ')]