如何将一个字母和一个点分成不同的行

Question

我有一个包含两列的数据框，即 Word 和 Tag 列。 df：

                      Word   Tag
0                    Pada    A
1                 bakteri    B 
2                       ,    C 
3       ketumpangtindihan    D  
4                     ini    E
5             kemungkinan    F
6                terlibat    G
7                   dalam    H
8                regulasi    I
9             transkripsi    O
10                   gen.    O

我想用 dot 分隔一些包含一个单词的行。 word+. 是两排。所以输出应该如下：

                      Word   Tag
0                    Pada    A
1                 bakteri    B 
2                       ,    C 
3       ketumpangtindihan    D  
4                     ini    E
5             kemungkinan    F
6                terlibat    G
7                   dalam    H
8                regulasi    I
9             transkripsi    O
10                    gen    O
11                      .    O 

有什么想法吗？提前致谢。如果我输入了explode，则缺少标点符号。

Answer 1

这是一个低效的答案;))

import pandas as pd

data = [['Alex.',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'])
for x in df['Name']:
  if (x[-1] =='.'):
    df['Name'].replace(x,x[:-1],inplace=True)
    df = df.append({'Name':'.','Age':14},ignore_index=True) #assign your tag
print(df)

之前的输出：

     Name  Age
0   Alex.   10
1     Bob   12
2  Clarke   13

输出：

     Name  Age
0    Alex   10
1     Bob   12
2  Clarke   13
3       .   14

Answer 2

试试：

df['Word'] = df['Word'].str.split('(?<=\w)\.')
df = df.explode('Word')

map = df['Word'].groupby(level=0).cumcount().ge(1)
df.loc[map, 'Word'] = '.' + df.loc[map, 'Word']
df = df.reset_index(drop=True)

一些注意事项：

(?<=\w) - 匹配之前有任何字母数字字符的所有内容

\. - 匹配点

所以本质上你会按点分割，前面是字母数字。然后你将在每一秒的前面手动添加点，然后是拆分字符串的后面元素。

您的情况下的输出：

                 Word Tag
0                Pada   A
1             bakteri   B
2                   ,   C
3   ketumpangtindihan   D
4                 ini   E
5         kemungkinan   F
6            terlibat   G
7               dalam   H
8            regulasi   I
9         transkripsi   O
10                gen   O
11                  .   O