Pandas使用分隔符或正則表達式將字符串拆分為多列
Pandas如何將帶有字符串元素的列拆分為多個列。
使用以下字符串的方法。
- str.split（）：用定界符分割
- str.extract()：按正則表達式拆分
字符串方法是pandas.Series方法。
適用于pandas.Series或pandas.DataFrame列
str.split（）：用定界符分割
要按定界符（delimiter）進行拆分，使用字符串方法str.split（）。
pandas.Series
以以下pandas.Series為例。
import pandas as pd s_org = pd.Series(['aaa@xxx.com', 'bbb@yyy.com', 'ccc@zzz.com', 'ddd'], index=['A', 'B', 'C', 'D']) print(s_org) print(type(s_org)) # A ? ?aaa@xxx.com # B ? ?bbb@yyy.com # C ? ?ccc@zzz.com # D ? ? ? ? ? ?ddd # dtype: object # <class 'pandas.core.series.Series'>
將定界符指定為第一個參數(shù)。一個pandas.Series元素作為拆分字符串的列表返回。
s = s_org.str.split('@')
print(s)
print(type(s))
# A [aaa, xxx.com]
# B [bbb, yyy.com]
# C [ccc, zzz.com]
# D [ddd]
# dtype: object
# <class 'pandas.core.series.Series'>
指定split = True作為參數(shù)可分為多個列并以pandas.DataFrame的形式獲取。默認值為expand = False。
沒有足夠的行劃分的元素為“無(None)”。
df = s_org.str.split('@', expand=True)
print(df)
print(type(df))
# 0 1
# A aaa xxx.com
# B bbb yyy.com
# C ccc zzz.com
# D ddd None
# <class 'pandas.core.frame.DataFrame'>
可以在列中指定獲取的pandas.DataFrame的列名。
df.columns = ['local', 'domain'] print(df) # local domain # A aaa xxx.com # B bbb yyy.com # C ccc zzz.com # D ddd None
pandas.DataFrame
如果要通過將pandas.DataFrame的特定列拆分為多列來更新它，這會有些乏味。可能有更好的方法。
以先前創(chuàng)建的pandas.DataFrame為例。
print(df) # local domain # A aaa xxx.com # B bbb yyy.com # C ccc zzz.com # D ddd None
在特定的列上使用str.split（）獲得一個拆分的pandas.DataFrame。
print(df['domain'].str.split('.', expand=True))
# 0 1
# A xxx com
# B yyy com
# C zzz com
# D None None
使用pd.concat（）與原始pandas.DataFrame進行串聯(lián)（聯(lián)接），并使用drop（）方法刪除原始列。
df2 = pd.concat([df, df['domain'].str.split('.', expand=True)], axis=1).drop('domain', axis=1)
print(df2)
# local 0 1
# A aaa xxx com
# B bbb yyy com
# C ccc zzz com
# D ddd None None
如果剩余的列很少，則只能選擇與pd.concat（）串聯(lián)（聯(lián)接）時所需的列。
df3 = pd.concat([df['local'], df['domain'].str.split('.', expand=True)], axis=1)
print(df3)
# local 0 1
# A aaa xxx com
# B bbb yyy com
# C ccc zzz com
# D ddd None None
要重命名特定的列，請使用rename（）方法。
df3.rename(columns={0: 'second_LD', 1: 'TLD'}, inplace=True)
print(df3)
# local second_LD TLD
# A aaa xxx com
# B bbb yyy com
# C ccc zzz com
# D ddd None None
參考文章
str.extract()：按正則表達式拆分
使用字符串方法str.extract（）分割正則表達式。
以以下pandas.Series為例。
import pandas as pd s_org = pd.Series(['aaa@xxx.com', 'bbb@yyy.com', 'ccc@zzz.com', 'ddd'], index=['A', 'B', 'C', 'D']) print(s_org) # A ? ?aaa@xxx.com # B ? ?bbb@yyy.com # C ? ?ccc@zzz.com # D ? ? ? ? ? ?ddd # dtype: object
在第一個參數(shù)中指定正則表達式。對于每個與正則表達式中用（）括起來的組部分匹配的字符串，均對其進行劃分。
提取多個組時，無論參數(shù)expand如何，都將返回pandas.DataFrame。
如果不匹配，則為NaN。
df = s_org.str.extract('(.+)@(.+)\.(.+)', expand=True)
print(df)
# ? ? ?0 ? ?1 ? ?2
# A ?aaa ?xxx ?com
# B ?bbb ?yyy ?com
# C ?ccc ?zzz ?com
# D ?NaN ?NaN ?NaN
df = s_org.str.extract('(.+)@(.+)\.(.+)', expand=False)
print(df)
# ? ? ?0 ? ?1 ? ?2
# A ?aaa ?xxx ?com
# B ?bbb ?yyy ?com
# C ?ccc ?zzz ?com
# D ?NaN ?NaN ?NaN如果只有一組，則當參數(shù)expand = True時返回pandas.DataFrame，如果expand = False則返回pandas.Series。
df_single = s_org.str.extract('(\w+)', expand=True)
print(df_single)
print(type(df_single))
# ? ? ?0
# A ?aaa
# B ?bbb
# C ?ccc
# D ?ddd
# <class 'pandas.core.frame.DataFrame'>
s = s_org.str.extract('(\w+)', expand=False)
print(s)
print(type(s))
# A ? ?aaa
# B ? ?bbb
# C ? ?ccc
# D ? ?ddd
# dtype: object
# <class 'pandas.core.series.Series'>Expand = False是當前版本0.22.0中的默認值，但expand = True將是將來的默認值。
FutureWarning: currently extract(expand=None) means expand=False (return Index/Series/DataFrame)
but in a future version of pandas this will be changed to expand=True (return DataFrame)
如果對正則表達式模式使用命名組（？P …），則該名稱將按原樣是列名。
df_name = s_org.str.extract('(?P<local>.*)@(?P<second_LD>.*)\.(?P<TLD>.*)', expand=True)
print(df_name)
# local second_LD TLD
# A aaa xxx com
# B bbb yyy com
# C ccc zzz com
# D NaN NaN NaN
如果要通過將pandas.DataFrame的特定列劃分為多個列來進行更新，請參考上面的str.split（）示例。使用pd.concat（）連接（聯(lián)接）原始的pandas.DataFrame并使用drop（）方法刪除原始的列。
到此這篇關(guān)于Pandas使用分隔符或正則表達式將字符串拆分為多列的文章就介紹到這了,更多相關(guān)Pandas 字符串拆分為多列內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了在Python中使用Fsolve函數(shù)的過程解析,在這篇文章中，我們了解到fsolve?是用來尋找非線性方程的根的，了解到fsolve?可以接受的不同種類的參數(shù)以及每個參數(shù)的含義，需要的朋友可以參考下2023-06-06
異常檢測提供了在數(shù)據(jù)中發(fā)現(xiàn)模式、偏差和異常的途徑，這些模式、偏差和異常不限于模型的標準行為。本文將用Python?Pycaret進行異常檢測，感興趣的可以了解一下2022-03-03
python獲取100以內(nèi)的質(zhì)數(shù)3種方式總結(jié)
質(zhì)數(shù)也稱為質(zhì)數(shù),具有無限個,質(zhì)數(shù)定義為大于1的自然數(shù),除了1和它本省外沒有其他因數(shù)的數(shù)稱為質(zhì)數(shù),這篇文章主要給大家介紹了關(guān)于python獲取100以內(nèi)質(zhì)數(shù)的3種方式,需要的朋友可以參考下2024-08-08
大家好，本篇文章主要講的是Python中經(jīng)常使用的代碼片段，感興趣的同學趕快來看一看吧，對你有幫助的話記得收藏一下2022-01-01
這篇文章主要介紹了python程序 創(chuàng)建多線程過程詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-09-09
這篇文章主要為大家詳細介紹了python實現(xiàn)Virginia無密鑰解密，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-03-03
今天小編就為大家分享一篇解決Python獲取字典dict中不存在的值時出錯問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10
Tensorflow中的圖（tf.Graph）和會話（tf.Session）的實現(xiàn)
這篇文章主要介紹了Tensorflow中的圖（tf.Graph）和會話（tf.Session）的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-04-04
Matlab讀取excel并利用拉依達準則篩選數(shù)據(jù)的全過程
在Excel中錄入好數(shù)據(jù)以后經(jīng)常需要被matlab讀取,具體該如何讀取并進行篩選呢？下面這篇文章就來給大家介紹了關(guān)于Matlab讀取excel并利用拉依達準則篩選數(shù)據(jù)的相關(guān)資料,需要的朋友可以參考下2021-08-08
map與reduce是兩個十分常用的Python內(nèi)置函數(shù)，它們與Hadoop中的MapReduce在某些方面有一定的相似之處。2018-02-02