Pandas 基于拆分另一列添加新列答案

【问题标题】：Pandas add new columns based on splitting another columnPandas 基于拆分另一列添加新列
【发布时间】：2016-12-21 18:12:56
【问题描述】：

我有一个如下所示的 pandas 数据框：

A              B
US,65,AMAZON   2016
US,65,EBAY     2016

我的目标是变成这样：

A              B      country    code    com
US.65.AMAZON   2016   US         65      AMAZON
US.65.AMAZON   2016   US         65      EBAY

我知道在here 和here 之前有人问过这个问题，但是没有一个对我有用。我试过了：

df['country','code','com'] = df.Field.str.split('.')

和

df2 = pd.DataFrame(df.Field.str.split('.').tolist(),columns = ['country','code','com','A','B'])

我错过了什么吗？非常感谢任何帮助。

【问题讨论】：

标签： python pandas dataframe split multiple-columns

【解决方案1】：

您可以使用split 和参数expand=True 并在左侧添加一个[]：

df[['country','code','com']] = df.A.str.split(',', expand=True)

然后replace, 到.：

df.A = df.A.str.replace(',','.')

print (df)
              A     B country code     com
0  US.65.AMAZON  2016      US   65  AMAZON
1    US.65.EBAY  2016      US   65    EBAY

如果没有NaN 值，则使用DataFrame 构造函数的另一种解决方案：

df[['country','code','com']] = pd.DataFrame([ x.split(',') for x in df['A'].tolist() ])
df.A = df.A.str.replace(',','.')
print (df)
              A     B country code     com
0  US.65.AMAZON  2016      US   65  AMAZON
1    US.65.EBAY  2016      US   65    EBAY

您也可以在构造函数中使用列名，但concat 是必需的：

df1=pd.DataFrame([x.split(',') for x in df['A'].tolist()],columns= ['country','code','com'])
df.A = df.A.str.replace(',','.')
df = pd.concat([df, df1], axis=1)
print (df)
              A     B country code     com
0  US.65.AMAZON  2016      US   65  AMAZON
1    US.65.EBAY  2016      US   65    EBAY

【讨论】：

专门针对第二种方法的很好的解释。非常感谢

【解决方案2】：

为了获得新的列，我希望这样做：

df['Country'] = df['A'].apply(lambda x: x[0])
df['Code'] = df['A'].apply(lambda x: x[1])
df['Com'] = df['A'].apply(lambda x: x[2])

至于将、替换为。可以使用如下：

df['A'] = df['A'].str.replace(',','.')

【讨论】：

【解决方案3】：

这不会像预期的那样给出输出它只会给 df['A'] 第一个值，即 'U'

可以根据提供的数据创建列 df1=pd.DataFrame([x.split(',') for x in df['A'].tolist()],columns= ['country','code','com'])

也可以用for lambda代替

【讨论】：