如何划分给定数据框中的“位置”列？答案

【问题标题】：How to divide the column 'location' in given data frame?如何划分给定数据框中的“位置”列？
【发布时间】：2023-03-17 13:26:01
【问题描述】：

我正在处理一个数据集，其中列被命名为标题。值如前所述。

df = pd.DataFrame(data={"location":["düsseldorf, nordrhein-westfalen, germany",
                                    "durbanville , cape town, cape town , south africa"]})

我想把这个专栏分成['city', 'state', 'country']。注意第二行有重复。

我已经尝试了以下方法，但这并不处理重复：

location = df.location.str.split(', ', n=2, expand=True)

location.columns = ['city', 'state', 'country']

【问题讨论】：

你想要的输出是什么？你试过什么？
location=df.location.str.split(', ', n=2, expand=True) location.columns=['city', 'state', 'country']
但我无法处理重复问题

标签： python string python-3.x pandas dataframe

【解决方案1】：

你可以限制自己只用pandas来处理这个问题：

import pandas as pd

pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None) 

data_all=(['düsseldorf', 'nordrhein-westfalen', 'germany', 'durbanville', 'cape town', 'south africa'])
dfe = [[], [], []]

i = 0
j = 1
k = 2

while i < len(data_all):
  dfe[0].append(data_all[i])
  i += 3
while j < len(data_all):
  dfe[1].append(data_all[j])
  j += 3
while k < len(data_all):
  dfe[2].append(data_all[k])
  k += 3

d = {'city': dfe[0], 'state': dfe[1], 'country': dfe[2]}
df = pd.DataFrame(data=d)
print(df)

结果：

          city                state       country
0   düsseldorf  nordrhein-westfalen       germany
1  durbanville            cape town  south africa

但实际上我不明白为什么要使用重复项，如果您只有 3 列：城市、州和国家/地区。

【讨论】：

【解决方案2】：

您可以使用itertools docs 中提供的unique_everseen 配方，该配方也可在toolz.unique 等第三方库中使用。

该逻辑可以合并到迭代df['location'] 的列表推导中。这可能比 Pandas 基于字符串的方法更有效，后者不提供矢量化功能。

from toolz import unique

res = pd.DataFrame([list(unique(map(str.strip, i.split(',')))) for i in df['location']])

res.columns = ['city', 'state', 'country']

print(res)

          city                state       country
0   düsseldorf  nordrhein-westfalen       germany
1  durbanville            cape town  south africa

【讨论】：