在熊猫中设置索引答案

【问题标题】：Set index in pandas在熊猫中设置索引
【发布时间】：2017-09-20 13:31:19
【问题描述】：

我正在研究与 this 相关的 Olympics 数据集

这是数据框的样子：

                Unnamed: 0  # Summer  01 !  02 !  03 !  Total  # Winter  \
0        Afghanistan (AFG)        13     0     0     2      2         0   
1            Algeria (ALG)        12     5     2     8     15         3   
2          Argentina (ARG)        23    18    24    28     70        18   
3            Armenia (ARM)         5     1     2     9     12         6   
4  Australasia (ANZ) [ANZ]         2     3     4     5     12         0

我想做以下事情：

拆分国家名称和国家代码并添加国家名称作为数据帧索引
从国家名称中删除多余的不必要字符。

例如更新的列应该是：

                    Unnamed: 0  # Summer  01 !  02 !  03 !  Total  # Winter  \
0        Afghanistan         13     0     0     2      2         0   
1            Algeria         12     5     2     8     15         3   
2          Argentina         23    18    24    28     70        18   
3            Armenia          5     1     2     9     12         6   
4         Australasia         2     3     4     5     12         0

请告诉我一个正确的方法来实现这一点。

【问题讨论】：

Pandas DataFrame, how do i split a column into two的可能重复
您要删除哪些多余的字符？你能举个例子吗？
编辑有帮助吗？ @SpandanBrahmbhatt

标签： python pandas

【解决方案1】：

您可以使用正则表达式并替换为即

df = df.replace('\(.+?\)|\[.+?\]\s*','',regex=True).rename(columns={'Unnamed: 0':'Country'}).set_index('Country')

输出：

夏天01！ 02！ 03！整个冬天国家阿富汗 13 0 0 2 2 0 阿尔及利亚 12 5 2 8 15 3 阿根廷 23 18 24 28 70 18 亚美尼亚 5 1 2 9 12 6 大洋洲 2 3 4 5 12 0

如果你不想重命名，那么.set_index('Unnamed: 0')

或者感谢@Scott 一个更简单的解决方案是按( 拆分并选择第一个元素，即

df['Unnamed: 0'] = df['Unnamed: 0'].str.split('\(').str[0]

【讨论】：

非常感谢。在思考如何拆分或使用正则表达式时遇到了麻烦。说清楚了！
df['Unnamed: 0'] = df['Unnamed: 0'].str.split('\(').str[0]
@ScottBoston 很抱歉我没看到\( 那里。我太固执了。

【解决方案2】：

拆分得到两列，country 和 Country Code 并将国家设置为索引：

df2 = pd.DataFrame(df.Unnamed.str.split(' ',1).tolist(), columns = ['Country', 'countryCode']).set_index('Country')

您还可以在数据框中添加国家代码作为附加信息。

删除多余的东西，我想像：[ANZ]，使用正则表达式（如其他答案中所述）

df2 = df2.replace('\[.*?\]','', regex=True)

【讨论】：