如何使用分隔符将数据框单元格拆分为不同的数据框。有条件答案

【问题标题】：how to split dataframe cells using delimiter into different dataframes. with conditions如何使用分隔符将数据框单元格拆分为不同的数据框。有条件
【发布时间】：2021-06-03 21:27:00
【问题描述】：

关于同一主题还有其他问题，它们有所帮助，但我有一个额外的转折。

我有一个数据框，每个（但不是全部）单元格中有多个值。

df = pd.DataFrame({'a':["10-30-410","20-40-500","25-50"], 'b':["5-8-9","4", "99"]})

index	a	b
0	10-30-410	5-8-9
1	20-40-500	4
2	25-50	99

如何用破折号“-”分割每个单元格并创建三个新数据框？请注意，并非所有单元格都有多个值，在这种情况下，第二个和第三个数据帧会变为 NA 或空白（将它们视为字符串）。

所以我需要 df1 成为这些值中的第一个：

index	a	b
0	10	5
1	20	4
2	25	99

df2 将是：

index	a	b
0	30	8
1	40
2	50

df3 也是如此：

index	a	b
0	410	9
1	500
2

我用这个得到了 df1

df1 = df.replace(r'(\d+).*(\d+).*(\d+)+', r'\1', regex=True)

但是 df2 不太好用。我得到了第二个值，还有 4 和 99，它们应该是空白的。

df2 = df.replace(r'(\d+)-(\d+).*', r'\2', regex=True)

index	a	b
0	30	8
1	40	4 - should be blank
2	50	99 - should be blank

这是正确的方法吗？我很擅长正则表达式，但对组很模糊。谢谢。

【问题讨论】：

标签： python python-3.x pandas dataframe split

【解决方案1】：

使用str.split + concat + stack 以更可用的格式获取数据：

new_df = pd.concat(
    (df['a'].str.split('-', expand=True),
     df['b'].str.split('-', expand=True)),
    keys=('a', 'b'),
    axis=1
).stack(dropna=False).droplevel(0)

new_df:

      a     b
0    10     5
1    30     8
2   410     9
0    20     4
1    40  None
2   500  None
0    25    99
1    50  None
2  None  None

n cols 的可扩展选项：

cols = ['a', 'b']
new_df = pd.concat(
    (df[c].str.split('-', expand=True) for c in cols),
    keys=cols,
    axis=1
).stack(dropna=False).droplevel(0)

然后groupby level 0 + reset_index 创建数据框列表：

dfs = [g.reset_index(drop=True) for _, g in new_df.groupby(level=0)]

dfs:

[    a   b
0  10   5
1  20   4
2  25  99,
     a     b
0  30     8
1  40  None
2  50  None,
       a     b
0   410     9
1   500  None
2  None  None]

完整的工作示例：

import pandas as pd

df = pd.DataFrame({
    'a': ["10-30-410", "20-40-500", "25-50"],
    'b': ["5-8-9", "4", "99"]
})

cols = ['a', 'b']
new_df = pd.concat(
    (df[c].str.split('-', expand=True) for c in cols),
    keys=cols,
    axis=1
).stack(dropna=False).droplevel(0)

dfs = [g.reset_index(drop=True) for _, g in new_df.groupby(level=0)]

print(dfs)

【讨论】：

【解决方案2】：

你也可以试试filter:

k = pd.concat((df[c].str.split('-', expand=True).add_prefix(c+ '-')
               for c in df.columns), 1).fillna('')
df1 = k.filter(like='0')
df2 = k.filter(like='1')
df3 = k.filter(like='2')

NOTE：要从列中删除数字，请使用：k.filter(like='0').rename(columns= lambda x: x.split('-')[0])

【讨论】：