如何将 pandas 列拆分为 n 长度的块？答案

【问题标题】：How to Split the pandas column into chunks of n length?如何将 pandas 列拆分为 n 长度的块？
【发布时间】：2020-11-29 22:18:00
【问题描述】：

我正在处理一个大熊猫数据框，它包含两列：

import pandas as pd
df = {'text': ['Expression of H-2 antigenic specificities on', 'To study the distribution of myelin-associated'], 
     'id': [1, 2]}

df = pd.DataFrame(df)

我想检查文本长度是否大于 2，然后将文本分成 2-2 个作品的块，如果长度小于 2，则不要选择取该行。

首先我选择了 len >= 2 的行：

df['len'] = df['text'].apply(lambda x: len(x.split()))
df        = df[df['len']>2].reset_index(drop=True)

现在我想选择将文本分成 2 个单词的块并制作多行，如下所示（这是预期的输出）：

                   text  id
0         Expression of   1
1         H-2 antigenic   1
2      specificities on   1
3              To study   2
4      the distribution   2
5  of myelin-associated   2

有explode 方法，但我不知道在使用explode 方法时如何拆分成块？

df['text'] = df['text'].str.split()
df.explode('text')

给出（不是如上预期的输出）：

                text  id
0         Expression   1
0                 of   1
0                H-2   1
0          antigenic   1
0      specificities   1
0                 on   1
1                 To   2
1              study   2
1                the   2
1       distribution   2
1                 of   2
1  myelin-associated   2

【问题讨论】：

你的预期输出是什么？
@BEN_YO 编辑了问题。

标签： python python-3.x pandas csv

【解决方案1】：

让我们修复您的输出

fixeddf = df.groupby([df['id'], df.groupby('id').cumcount()//2]).agg({'text':' '.join,'id':'first'}).reset_index(drop=True)
Out[270]: 
                   text  id
0         Expression of   1
1         H-2 antigenic   1
2      specificities on   1
3              To study   2
4      the distribution   2
5  of myelin-associated   2

【讨论】：

【解决方案2】：

您也可以像现在一样执行explode，首先将字符串分成 2 个块。试试这个 -

def chunks(s, c):
    return [s[i:i + c] for i in range(0, len(s), c)]

df['text'] = df['text'].apply(lambda x: chunks(x.split(),2))
df = df.explode('text').reset_index(drop=True)
df['text'] = df['text'].apply(' '.join, 1)

print(df)

                   text  id
0         Expression of   1
1         H-2 antigenic   1
2      specificities on   1
3              To study   2
4      the distribution   2
5  of myelin-associated   2

【讨论】：