将数据和标签拆分为熊猫数据框中的两个单独的列答案

【问题标题】：Splitting data and label into two separate columns in a pandas dataframe将数据和标签拆分为熊猫数据框中的两个单独的列
【发布时间】：2017-08-12 23:44:25
【问题描述】：

我有一个包含如下行的文本文件：

一堆文字，有逗号、标点符号等，ham

该行总是以 ham 或 spam 结尾。如何读取包含此类数据的 csv 文件，并将文本的第一部分存储到“名称”字段中的最后一个逗号，并将最后一位存储为“标签”字段（在上述情况下，它将是：

  df["label"] = "ham", 
  df["name"] = 'A bunch of text, with commas, punctuations etc.'

是否还有一种方法可以清除我上面描述的未指定的文本？假设某行末尾没有垃圾邮件或火腿，我想跳过那些。如何使用 pandas.read_csv() 来实现这一点？

【问题讨论】：

标签： python string pandas dataframe split

【解决方案1】：

鉴于这是您的原始数据框：

df

                                                Col1
0  A bunch of text, with commas, punctuations etc...
1                                 test,foo,.bar,spam

使用df.str.rsplit。在, 上拆分一次，并将结果展开为两列。 df.rename 将优雅地重命名您的列。

df.Col1.str.rsplit(',', 1, expand=True).rename(columns={0 : 'name', 1 : 'label' })

                                              name label
0  A bunch of text, with commas, punctuations etc.   ham
1                                    test,foo,.bar  spam

【讨论】：

【解决方案2】：

您也可以在数据导入过程中执行此操作。您将需要使用正则表达式作为分隔符。该表达式正在寻找每行中最后一个逗号，后面跟着一些东西。以下应该作为一个体面的说明：

import pandas as pd
import io

txt = u"A bunch of text, with commas, punctuations etc.,ham"

with io.StringIO(txt) as f:
    df = pd.read_csv(f,
                     sep=",(?=[^,]+$)",
                     header=None,
                     engine="python",
                     names=['name', 'label']))

print(df)

应该让步：

                                              name label
0  A bunch of text, with commas, punctuations etc.   ham

我希望这是有目的的。

【讨论】：