Pandas 通过多个字符串分隔符将列拆分为多列答案

【问题标题】：Pandas Split column into multiple columns by multiple string delimitersPandas 通过多个字符串分隔符将列拆分为多列
【发布时间】：2020-09-14 06:58:40
【问题描述】：

我有一个数据框：

id    info
1     Name: John Age: 12 Sex: Male
2     Name: Sara Age: 22 Sex: Female
3     Name: Mac Donald Age: 32 Sex: Male

我希望将信息列拆分为 3 列，以便我得到最终输出：

id  Name      Age   Sex
1   John      12   Male
2   Sara      22   Female
3 Mac Donald  32   Male

我尝试使用 pandas 拆分功能。

df[['Name','Age','Sex']] = df.info.split(['Name'])

我可能需要多次执行此操作才能获得所需的输出。

有没有更好的方法来实现这一点？

PS：info 列还包含NaN 值

【问题讨论】：

标签： python python-3.x pandas dataframe

【解决方案1】：

对命名组使用正则表达式。

例如：

df = pd.DataFrame({"Col": ['Name: John Age: 12 Sex: Male', 'Name: Sara Age: 22 Sex: Female', 'Name: Mac Donald Age: 32 Sex: Male']})
df = df['Col'].str.extract(r"Name:\s*(?P<Name>[A-Za-z\s]+)\s*Age:\s*(?P<Age>\d+)\s*Sex:\s*(?P<Sex>Male|Female)") # Or if spacing is standard use df['Col'].str.extract(r"Name: (?P<Name>[A-Za-z\s]+) Age: (?P<Age>\d+) Sex: (?P<Sex>Male|Female)")
print(df)

输出：

          Name Age     Sex
0        John   12    Male
1        Sara   22  Female
2  Mac Donald   32    Male

【讨论】：

此解决方案创建空白。如果您执行df['Name'].to_list()，您将返回：['John ', 'Sara ', 'Mac Donald '] 一个简单的str.strip() 可以解决此问题，因为正则表达式会变得更加激烈。

【解决方案2】：

正则表达式很难写/读，所以你可以用, 替换你想要分成新列的地方，并使用str.split() 并传递expand=True。您需要将结果设置回您使用 df[['Name', 'Age', 'Sex']] 创建的三个新列：

df[['Name', 'Age', 'Sex']] = (df['info'].replace(['Name: ', ' Age: ', ' Sex: '], ['',',',','], regex=True)
                              .str.split(',', expand=True))
df

Out[1]: 
   id                                info        Name Age     Sex
0   1        Name: John Age: 12 Sex: Male        John  12    Male
1   2      Name: Sara Age: 22 Sex: Female        Sara  22  Female
2   3  Name: Mac Donald Age: 32 Sex: Male  Mac Donald  32    Male

【讨论】：

【解决方案3】：

一个快速的oneliner可以是

df[['Name', 'Age', 'Sex']] = df['info'].str.split('\s?\w+:\s?', expand=True).iloc[:, 1:]

使用someword: 拆分，然后添加新列。

【讨论】：

啊啊，我忘了\w+。好的！但是，这会产生空白，因此您需要执行 str.strip() 或改进正则表达式。对于初学者，您可以使用\w+: 而不是\w+:，但这只会去掉最后一个空格。
Strip 无济于事，也不会产生空白。额外的列是由于字符串以拆分字符串开头的事实。 @大卫埃里克森
如果你做df['Name'].to_list()或df['Age'].to_list()，你会看到每个字符串前后都有一个' '
哦！你的意思是在我得到结果之后。是的，strip 应该解决这个问题。
是的，例如df['Age'].to_list() 返回：[' 12 ', ' 22 ', ' 32 '] Rakesh 的回答中存在类似问题，仅针对Name 列。

【解决方案4】：

  def process_row(row):
        items = row.info.split(' ')
        row['Name']=str(items[1]).strip()
        row['Age']=str(items[3]).strip()
        row['Sex']=str(items[5]).strip()
        return row

  df=pd.DataFrame({"info": ['Name: John Age: 12 Sex: Male', 'Name: Sara Age: 22 Sex: 
     Female', 'Name: Mac Donald Age: 32 Sex: Male']})
  df['Name']=pd.NA #empty cell
  df['Age']=pd.NA #empty cell
  df['Sex']=pd.NA #empty cell

  df[['info','Name','Age','Sex']]=df.apply(process_row, axis=1, result_type="expand")

【讨论】：