如何将 Pandas DataFrame 字符串列拆分为两列？

如何将数据框字符串列拆分为两列？

在处理表格数据时，通常需要操作要提取的数据具体信息。一个常见的任务是将一列字符串值拆分为多列，每列包含原始字符串的一部分。

问题和要求

假设我们有一个 DataFrame名为 df 的一列称为 row，其中包含以下格式的字符串值：

          row
0    00000 UNITED STATES
1    01000 ALABAMA
2    01001 Autauga County, AL
3    01003 Baldwin County, AL
4    01005 Barbour County, AL

我们的目标是拆分将 row 列分成两个新列：fips 和 row，其中 fips 包含每个字符串的前五个字符，row 包含其余字符。

使用 str.split() 的解决方案

分割行列的一种方法是使用 str.split() 方法。该方法采用正则表达式作为参数，并根据正则表达式指定的模式分割字符串。在我们的例子中，我们可以使用以下正则表达式：

r'(\d{5}) +'

此正则表达式将匹配由五个数字组成的序列，后跟一个或多个空格。然后，我们可以使用 str.split() 方法使用此正则表达式拆分行列，并将结果列表分配给 fips 和行列，如下所示：

import pandas as pd

# Split the 'row' column into 'fips' and 'row' columns
df[['fips', 'row']] = df['row'].str.split(r'(\d{5}) +', n=1, expand=True)

expand=True 参数为用于指定 str.split() 方法应返回具有多列的 DataFrame，而不是一系列

结果

执行上述代码后，我们的 DataFrame df 将如下所示：

         fips       row
0    00000 UNITED STATES
1    01000 ALABAMA
2    01001 Autauga County, AL
3    01003 Baldwin County, AL
4    01005 Barbour County, AL

使用的替代解决方案str.extract()

另一种分割行列的方法是使用 str.extract() 方法。此方法采用正则表达式作为参数，并返回一个包含正则表达式匹配项的 DataFrame。在我们的例子中，我们可以使用以下正则表达式：

r'(\d{5}) +\D+'

此正则表达式将匹配由五个数字组成的序列，后跟一个或多个非数字。然后，我们可以使用 str.extract() 方法提取此正则表达式的匹配项，并将生成的 DataFrame 分配给 fips 和 row 列，如下所示：

import pandas as pd

# Split the 'row' column into 'fips' and 'row' columns
df[['fips', 'row']] = df['row'].str.extract(r'(\d{5}) +\D+')

Result

执行上面的代码后，我们的DataFrame df将如下所示：

         fips       row
0    00000 UNITED STATES
1    01000 ALABAMA
2    01001 Autauga County, AL
3    01003 Baldwin County, AL
4    01005 Barbour County, AL

两者上述解决方案将达到所需的结果，将行列拆分为 fips 和行列。 str.split() 解决方案更加灵活，可以用于基于任何正则表达式来拆分列，而 str.extract() 解决方案更简单，更容易理解。

以上是如何将 Pandas DataFrame 字符串列拆分为两列？的详细内容。更多信息请关注PHP中文网其他相关文章！