将 Pandas 数据框的索引拆分为单独的列答案

【问题标题】：Split the index of a Pandas Dataframe into separate columns将 Pandas 数据框的索引拆分为单独的列
【发布时间】：2020-04-30 13:49:49
【问题描述】：

我有一个使用以下代码从字典创建的 Pandas 数据框：

import pandas as pd
pd.set_option('max_colwidth', 150)

df = pd.DataFrame.from_dict(data, orient= 'index', columns = ['text'])
df

输出如下：

                                            text
./form/2003Q4/0001041379_2003-12-15.html    \n10-K\n1\ng86024e10vk.htm\nAFC ENTERPRISES\n\n\n\nAFC ENTERPRISES\n\n\n\nTable of Contents\n\n\n\n\n\n\n\nUNITED STATES SECURITIES AND EXCHANGE\n...
./form/2007Q2/0001303804_2007-04-17.html    \n10-K\n1\na07-6053_210k.htm\nANNUAL REPORT PURSUANT TO SECTION 13 AND 15(D)\n\n\n\n\n\n\n   \nUNITED\nSTATES\nSECURITIES AND EXCHANGE\nCOMMISSION...
./form/2007Q2/0001349848_2007-04-02.html    \n10-K\n1\nff060310k.txt\n\n UNITED STATES\n SECURITIES AND EXCHANGE COMMISSION\n ...
./form/2014Q1/0001141807_2014-03-31.html    \n10-K\n1\nf32414010k.htm\nFOR THE FISCAL YEAR ENDED DECEMBER 31, 2013\n\n\n\nf32414010k.htm\n\n\n\n\n\n\n\n\n\n\nUNITED STATES\nSECURITIES AND EX...
./form/2007Q2/0001341853_2007-04-02.html    \n10-K\n1\na07-9697_110k.htm\n10-K\n\n\n\n\n\n\n   \n \nUNITED STATES\nSECURITIES AND EXCHANGE COMMISSION\nWashington, D.C. 20549\n \nFORM 10-K\n ...

我需要将第一列（索引）拆分为三个单独的列，Year & Qtr、CIK、Filing Data。因此，第一行中这些列中的值将是：2003Q4、0001041379、2003-12-15。

我认为，如果这是在适当的列中，我可以使用类似于此处找到的示例 #2 的代码来执行此操作：

https://www.geeksforgeeks.org/python-pandas-split-strings-into-two-list-columns-using-str-split/

但是，我被我需要拆分的索引而不是命名列这一事实所困扰。

有没有办法分离索引或者我需要以某种方式将它保存为另一列，这可能吗？

如果有任何帮助，我将不胜感激。我是新手，所以我并不总是理解更困难的解决方案。提前致谢。

【问题讨论】：

使用 df['Data'] = df.index 然后重置索引。然后你只需要对每个分隔符上的数据使用 str.split 就可以得到你需要的数据。
@EdekiOkoh 谢谢你的回答。如此简单的答案，但我在其他任何地方都找不到！我可以相信你的答案吗？
Series 可用的许多方法也可用于 pandas 索引对象：df.index.str.extract(r'.\/form\/(.*)\/(.*)_(.*).html')
不需要。很高兴我能帮上忙

标签： python pandas dataframe

【解决方案1】：

列是索引这一事实在从中提取组件时没有区别，但在将这些组件分配回原始数据帧时需要小心。

# Extract the components from the index
# pandas allowed us to name the columns via named captured groups
pattern = r'(?P<Quarter>\d{4}Q\d)\/(?P<CIK>\d+)_(?P<Year>\d{4})-(?P<Month>\d{2})-(?P<Day>\d{2})'
tmp = df.index.str.extract(pattern) \
        .assign(Date=lambda x: pd.to_datetime(x[['Year', 'Month', 'Day']]))

# Since `df` and `tmp` are both dataframe, assignments between them
# will be based row label. We want them to align by position (i.e. 
# line 1 to line 1) so we have to convert the right hand side to
# numpy array
cols = ['Quarter', 'CIK', 'Date']
df[cols] =  tmp[cols].values

【讨论】：