Python - 按分隔符拆分多列

Question

注意：我是 Python 的初学者，几天前才开始使用 Pandas。我有 R 的背景。

我正在尝试拆分 pandas DataFrame，但似乎一次只能通过一个分隔符拆分一列。

我的数据如下所示：

                          0         1             2            3  \
0    chr4:43571332-43571643  numsnp=3    length=312  state1,cn=0   
1  chr5:179618873-179628421  numsnp=8  length=9,549  state1,cn=0   

                  4                 5               6  
0  CCCC.A_1_TR27GD1  startsnp=S-3TZTE  endsnp=S-4NDOX  
1  CCCC.A_1_TR27GD1  startsnp=S-3IDBJ  endsnp=S-4AKVJ 

我希望我的输出如下所示：

  Chromosome      Start        End NumSNP Length StartSNP   EndSNP
0          4   43571332   43571643      3    312  S-3TZTE  S-4NDOX
1          5  179618873  179628421      8  9,549  S-3IDBJ  S-4AKVJ

我知道这很多，但这涉及以下内容：

• 用 : 和 -.... 拆分第 0 列，同时删除“chr”
• 拆分列 1,2,5,6
• 重命名和重新排序列
• 等

问题： 我已经能够使用下面的代码来做到这一点，但希望获得一些指导以更高效的代码。

import pandas as pd

CNV = pd.read_csv('CCCC_cnv_practice.rawcnv', delimiter="\s+", engine='python', header=None)

#Get Chromosomes
ChrPos = pd.DataFrame(CNV[0].str.split(':',1).tolist(), columns = ['Chromosome','Position'])
Chromosome = ChrPos['Chromosome'].str.lstrip('chr')

#Get Start and End Positions
Positions = pd.DataFrame(ChrPos.Position.str.split('-',1).tolist(), columns = ['Start','End'])

#Get the Numsnp, Length, StartSNP, and EndSNP columns
Equals1 = CNV.iloc[:,1:3]
Equals2 = CNV.iloc[:,5:]
Equals = Equals1.join(Equals2)

TEST1 = pd.DataFrame(Equals[1].str.split('=',1).tolist())
TEST2 = pd.DataFrame(Equals[2].str.split('=',1).tolist())
TEST3 = pd.DataFrame(Equals[5].str.split('=',1).tolist())
TEST4 = pd.DataFrame(Equals[6].str.split('=',1).tolist())

#Put it all together
frames = [Chromosome, Positions, TEST1[1], TEST2[1], TEST3[1], TEST4[1]]
Data = pd.concat(frames, axis=1)
Data.columns = ['Chromosome', 'Start', 'End', 'NumSNP', 'Length', 'StartSNP', 'EndSNP']

Answer 1

我认为你可以使用：

print df
                          0         1             2            3  \
0    chr4:43571332-43571643  numsnp=3    length=312  state1,cn=0   
1  chr5:179618873-179628421  numsnp=8  length=9,549  state1,cn=0   

                  4                 5               6  
0  CCCC.A_1_TR27GD1  startsnp=S-3TZTE  endsnp=S-4NDOX  
1  CCCC.A_1_TR27GD1  startsnp=S-3IDBJ  endsnp=S-4AKVJ  

#new empty dataframe    
df1 = pd.DataFrame()
df1[['Chromosome', 'tmp']] = pd.DataFrame([ x.split(':') for x in df[0].tolist() ])
df1[['Start', 'End']] = pd.DataFrame([ x.split('-') for x in df1['tmp'].tolist() ])

#tmp is temporary column   
df1[['tmp', 'NumSNP']]   = pd.DataFrame([ x.split('=') for x in df[1].tolist() ])
df1[['tmp', 'Length']]   = pd.DataFrame([ x.split('=') for x in df[2].tolist() ])
df1[['tmp', 'StartSNP']] = pd.DataFrame([ x.split('=') for x in df[5].tolist() ])
df1[['tmp', 'EndSNP']]   = pd.DataFrame([ x.split('=') for x in df[6].tolist() ])

df1['Chromosome'] = df1['Chromosome'].str.lstrip('chr')

#delete tmp column    
df1 = df1.drop(['tmp'], axis=1)
print df1

#  Chromosome      Start        End NumSNP Length StartSNP   EndSNP
#0          4   43571332   43571643      3    312  S-3TZTE  S-4NDOX
#1          5  179618873  179628421      8  9,549  S-3IDBJ  S-4AKVJ