Pandas 用逗号将列拆分为多列答案

【问题标题】：Pandas split column into multiple columns by commaPandas 用逗号将列拆分为多列
【发布时间】：2016-10-02 17:07:14
【问题描述】：

我正在尝试根据逗号/空格分隔将一列拆分为多列。

我的数据框目前看起来像

     KEYS                                                  1
0   FIT-4270                                          4000.0439
1   FIT-4269                                          4000.0420, 4000.0471
2   FIT-4268                                          4000.0419
3   FIT-4266                                          4000.0499
4   FIT-4265                                          4000.0490, 4000.0499, 4000.0500, 4000.0504,

我愿意

   KEYS                                                  1           2            3        4 
0   FIT-4270                                          4000.0439
1   FIT-4269                                          4000.0420  4000.0471
2   FIT-4268                                          4000.0419
3   FIT-4266                                          4000.0499
4   FIT-4265                                          4000.0490  4000.0499  4000.0500  4000.0504

我的代码当前删除了 KEYS 列，我不知道为什么。谁能改进或帮助解决这个问题？

v = dfcleancsv[1]

#splits the columns by spaces into new columns but removes KEYS?

dfcleancsv = dfcleancsv[1].str.split(' ').apply(Series, 1)

【问题讨论】：

你想要pd.concat([df[[0]], df[1].str.split(', ', expand=True)], axis=1) IIUC
我知道你是一个显赫的人物，在这里享有很高的声誉，但如果你把它作为官方答案，我会接受。效果很好
@Eddwinn EdChum 这样做。确保你至少对他的评论投了赞成票。
@Eddwinn 另外，将他的答案发布为您自己给予 EdChum 的功劳。当您在 2 天内选择答案时，您将不会获得代表，这很好。如果其他人在 c'est la vie 之后投票赞成，EdChum 知道他在做什么。
我没有发布答案，因为太晚了，我无法确认这是否是你想要的，有时我也很忙

标签： python pandas csv dataframe split

【解决方案1】：

如果其他人想要将单列（由值分隔）拆分为多列 - 试试这个：

series.str.split(',', expand=True)

这回答了我来这里寻找的问题。

归功于EdChum's 代码，其中包括将拆分列添加回数据框。

pd.concat([df[[0]], df[1].str.split(', ', expand=True)], axis=1)

注意：第一个参数df[[0]]是DataFrame。

第二个参数df[1].str.split 是您要拆分的系列。

split Documentation

concat Documentation

【讨论】：

拆分时，我得到了 350 列，其中许多是空白的，是否有任何动态处理拆分的方法？

【解决方案2】：

使用 Edchums 的答案

pd.concat([df[[0]], df[1].str.split(', ', expand=True)], axis=1)

我能够通过替换我的变量来解决它。

dfcleancsv = pd.concat([dfcleancsv['KEYS'], dfcleancsv[1].str.split(', ', expand=True)], axis=1)

【讨论】：

【解决方案3】：

OP 具有可变数量的输出列。在输出列数固定的特定情况下，另一个命名结果列的优雅解决方案是使用多重赋值。

加载样本数据集并将其重塑为长格式以获得变量叫organ_dimension。

import seaborn
iris = seaborn.load_dataset('iris')
df = iris.melt(id_vars='species', var_name='organ_dimension', value_name='value')

根据_ 分隔符将organ_dimension 变量拆分为organ 和dimension 两个变量。

df[['organ', 'dimension']] = df['organ_dimension'].str.split('_', expand=True)
df.head()

Out[10]: 
  species organ_dimension  value  organ dimension
0  setosa    sepal_length    5.1  sepal    length
1  setosa    sepal_length    4.9  sepal    length
2  setosa    sepal_length    4.7  sepal    length
3  setosa    sepal_length    4.6  sepal    length
4  setosa    sepal_length    5.0  sepal    length

基于this answer“如何将一列拆分为两列？”

【讨论】：

如果警告“FutureWarning：在未来版本中将弃用字符的列迭代。使用 df[['organ', 'dimension']] = df['organ_dimension'].str.split ('_', expand=True)
@MarkK 谢谢我更新了答案以使用您建议的分配。

【解决方案4】：

使用下面的矢量化效果更好：

df = df.apply(lambda x:pd.Series(x))

【讨论】：

【解决方案5】：

也许这应该可行：

df = pd.concat([df['KEYS'],df[1].apply(pd.Series)],axis=1)

【讨论】：

【解决方案6】：

看看这个

Responder_id    LanguagesWorkedWith
0   1   HTML/CSS;Java;JavaScript;Python
1   2   C++;HTML/CSS;Python
2   3   HTML/CSS
3   4   C;C++;C#;Python;SQL
4   5   C++;HTML/CSS;Java;JavaScript;Python;SQL;VBA
... ... ...
87564   88182   HTML/CSS;Java;JavaScript
87565   88212   HTML/CSS;JavaScript;Python
87566   88282   Bash/Shell/PowerShell;Go;HTML/CSS;JavaScript;W...
87567   88377   HTML/CSS;JavaScript;Other(s):
87568   88863   Bash/Shell/PowerShell;HTML/CSS;Java;JavaScript...`
###Split the LanguagesWorkedWith column into  multiple columns  by using` data= data1['LanguagesWorkedWith'].str.split(';').apply(pd.Series)`.###
` data1 = pd.read_csv('data.csv', sep=',')
data1.set_index('Responder_id',inplace=True)
data1
data1.loc[1,:]
data= data1['LanguagesWorkedWith'].str.split(';').apply(pd.Series)
data.head()`

【讨论】：

【解决方案7】：

您可能还想尝试datar，一个包端口dplyr，tidyr 和相关的R包到python：

>>> df
         i       j              A
  <object> <int64>       <object>
0       AR       5    Paris,Green
1      For       3  Moscow,Yellow
2      For       4  NewYork,Black
>>> from datar import f
>>> from datar.tidyr import separate
>>> separate(df, f.A, ['City', 'Color'])
         i       j     City    Color
  <object> <int64> <object> <object>
0       AR       5    Paris    Green
1      For       3   Moscow   Yellow
2      For       4  NewYork    Black

【讨论】：