根据条件在熊猫数据框列中的特殊字符上拆分字符串答案

【问题标题】：Splitting a string on a special character in a pandas dataframe column based on a conditional根据条件在熊猫数据框列中的特殊字符上拆分字符串
【发布时间】：2019-08-13 22:13:15
【问题描述】：

我正在尝试在我的 pandas 数据框中的地址列中建立一致性。我有一个邮政编码列，它有两种格式：1）87301 2）87301-1234。并非每一行都有连字符，所以我需要在连字符出现时对其进行拆分。

我的数据如下所示：

State  ZIP
CA     85145-7045
PA     76913

我已经尝试了一些解决这个问题的方法。我试过了：

data['Zip_1'],data['Zip_2'] = data['Zip'].str.split('-').str

我试过了：

data['Zip'] = data['Zip'].str.split('-', n=1, expand=True)
data['Zip'] = data['Zip'][0]
data['Zip_drop'] = data['Zip'][1]

我也尝试过使用 lambda 函数。

但是它只返回空值。

对于没有连字符的邮政编码和连字符后面的数字（如果它确实包含连字符），我希望新列返回 NaN。但是，新列只是为每个观察填充 NaN

【问题讨论】：

splitsville = data['Zip'][data['Zip].str.contains("-")].str.split("-")
ValueError: 无法使用包含 NA / NaN 值的向量进行索引。正是我正在寻找的内容，所以感谢您的尝试
@connerleavitt 见stackoverflow.com/questions/57316346/…。 .str 方法作用于对象列，可以容纳任何东西，所以当它们作用于非字符串值时，它们的默认值是返回 NaN。在使用 == True 或 .fillna(False) 对 DataFrame 进行切片时，您应该明确检查它们
@ALollz 很好，我在问这个问题之前已经这样做了。感谢您的验证！
实际上，更好的是，您可以指定na=False 作为参数：D

标签： python pandas split

【解决方案1】：

您可以将“replace”与正则表达式结合使用。

第 1 步

example_df = pd.DataFrame({'State': ['CA', 'PA'],
                           'ZIP': ['85145-7045', '76913'] })

example_df

第 2 步

# Keep only the numbers before the hyphen (if any).
example_df = example_df.replace('\-\d*', '', regex=True)
example_df

【讨论】：

【解决方案2】：

获取包含连字符的所有邮政编码的数据框，并将其放入新列中

data['Zip Hyphen'] = data['Zip'].str.find('-')

然后，从 Zip 列的数据框中，删除任何包含连字符的行

 data = data.drop(data[data['Zip'].str.find('-')].index)

编辑：这段代码没有经过测试，但大致思路是有的

【讨论】：

不错的主意，虽然我想保留带有连字符的观察结果，但可以使用连字符和后面的数字