拆分没有 str 属性的 pandas 列对象

Question

我正在尝试.split() 具有多个值的表中的单元格。然后我想将这些拆分值堆叠成一列。

我不断收到：AttributeError: 'DataFrame' object has no attribute 'str'

1. 某些列将具有相同的名称/标签
2. 值将在 str、flt、int 等之间混合
3. 会有缺失值
4. 我已将此表另存为 .csv

示例表：

（原表）

List , A,  A , B     , B , A , C  
row 1,joey,mike,henry,albert    ,sherru,tomkins  
row 2, ,pig|soap    , ,123, ,  ,  
row 3,yes, , , and|5.3|7, , ,     
row 4, ,new york|up, , , , ,                  
row 5,bubbles, ,movie, , , ,  

（修改后的表格）

List | Value | Category  
row 1,joey, A  
row 1,mike,A  
row 1,henry,B  
row 1,albert,B  
row 1,sherru,A  
row 1,tomkins,C  
row 2,pig,A  
row 2,soap,A  
row 2,123,B  
row 3,yes,A  
row 3,and,B  
row 3,5.3,B  
...   
row 5,movie,B

这是我正在使用的代码，我是 python/pandas 的新手，所以它不是很好：

import pandas as pd  
df = pd.read_csv('test.csv')  

df2 = df.A.str.split('|').apply(pd.series)  
df2.index = df.set_index([List]).index  
df2.stack().reset_index([List])

Answer 1

您可以set_index 作为第一步，并将参数expand=True 添加到split 为DataFrame：

df2 = df.set_index('List').A.str.split(',', expand=True).stack().reset_index()

您会收到错误，因为在列名称中存在欺骗，因此 df.A 将所有列 A 返回为 DataFrame。

有两种可能的解决方案：

1. 升级 pandas，因为 read_csv 在较新版本中管理骗子 - 添加 .1, .2 (pandas 0.19+)

2. 将列名更改为cumcount：

---

s = df.columns.to_series()
df.columns = df.columns + s.groupby(s).cumcount().astype(str).radd('.').replace('.0','')

示例：

df = pd.DataFrame({'A':list('abcdef'),
                   'B':[4,5,4,5,5,4],
                   'C':[7,8,9,4,2,3],
                   'D':[1,3,5,7,1,0],
                   'E':[5,3,6,9,2,4],
                   'F':list('aaabbb')})
df.columns = list('AABBCD')
print (df)
   A  A  B  B  C  D
0  a  4  7  1  5  a
1  b  5  8  3  3  a
2  c  4  9  5  6  a
3  d  5  4  7  9  b
4  e  5  2  1  2  b
5  f  4  3  0  4  b

s = df.columns.to_series()
df.columns = df.columns + s.groupby(s).cumcount().astype(str).radd('.').replace('.0','')
print (df)
   A  A.1  B  B.1  C  D
0  a    4  7    1  5  a
1  b    5  8    3  3  a
2  c    4  9    5  6  a
3  d    5  4    7  9  b
4  e    5  2    1  2  b
5  f    4  3    0  4  b