将字符串解析成列 python pandas /xa0 而不是空格

Question

如何快速创建包含“文件”列中包含的三个块的新列？

收到这样乱七八糟的数据

d = {   'File' : pd.Series(['firstname lastname                   05/31/1996                     9999999999  ', 'FN SometimesMiddileInitial. LN                    05/31/1996                 9999999999  ']), 
    'Status' : pd.Series([0., 0.]), 
    'Error' : pd.Series([2., 2.])}
df=pd.DataFrame(d)

更新 实际上，我从一个非常混乱的 excel 文件开始，我的数据在字符串字符之间有 '\xa0 \xa0'。 所以我的第一次尝试看起来像

from pandas import DataFrame, ExcelFile
import pandas as pd
location = r'c:/users/meinzerc/Desktop/table.xlsx'
xls = ExcelFile(location)
table = xls.parse('Sheet1')
splitdf = df['File'].str.split('\s*)

我的尝试根本不起作用。为什么？

Answer 1

您可以使用正则表达式来选择至少两个空格：

In [11]: df.File.str.split('\s\s+')
Out[11]: 
0       [firstname lastname, 05/31/1996, 9999999999, ]
1    [FN SometimesMiddileInitial. LN, 05/31/1996, 9...
Name: File, dtype: object

也许更好的选择是使用extract（也许还有更简洁的正则表达式！！）：

In [12]: df.File.str.extract('\s*(?P<name>.*?)\s+(?P<date>\d+/\d+/\d+)\s+(?P<number>\w+)\s*')
Out[12]: 
                             name        date      number
0              firstname lastname  05/31/1996  9999999999
1  FN SometimesMiddileInitial. LN  05/31/1996  9999999999

[2 rows x 3 columns]