对 pandas DataFrame 中的列进行 .str.split() 操作后获取最后一个“列”答案

【问题标题】：Get last "column" after .str.split() operation on column in pandas DataFrame对 pandas DataFrame 中的列进行 .str.split() 操作后获取最后一个“列”
【发布时间】：2012-09-12 08:49:45
【问题描述】：

我在 Pandas DataFrame 中有一个列，我想将其拆分为一个空格。使用DataFrame.str.split(' ') 进行拆分很简单，但我无法从最后一个条目创建新列。当我 .str.split() 列时，我得到一个数组列表，但我不知道如何操作它来为我的 DataFrame 获取一个新列。

这是一个例子。列中的每个条目都包含“符号数据价格”，我想拆分价格（最终在一半的情况下删除“p”...或“c”）。

import pandas as pd
temp = pd.DataFrame({'ticker' : ['spx 5/25/2001 p500', 'spx 5/25/2001 p600', 'spx 5/25/2001 p700']})
temp2 = temp.ticker.str.split(' ')

产生

0    ['spx', '5/25/2001', 'p500']
1    ['spx', '5/25/2001', 'p600']
2    ['spx', '5/25/2001', 'p700']

但是temp2[0] 只给出了一个列表条目的数组，而temp2[:][-1] 失败了。如何将每个数组中的最后一个条目转换为新列？谢谢！

【问题讨论】：

标签： python string pandas split

【解决方案1】：

这样做：

In [43]: temp2.str[-1]
Out[43]: 
0    p500
1    p600
2    p700
Name: ticker

所以总而言之就是：

>>> temp = pd.DataFrame({'ticker' : ['spx 5/25/2001 p500', 'spx 5/25/2001 p600', 'spx 5/25/2001 p700']})
>>> temp['ticker'].str.split(' ').str[-1]
0    p500
1    p600
2    p700
Name: ticker, dtype: object

【讨论】：

喜欢干净的解决方案！
来自“熊猫”的作者:)
我喜欢这个解决方案，但它是如何工作的？意思是，允许str 后跟括号从列表中选择特定元素的“幕后”发生了什么？
我对此有点困惑，单行是 d1.ticker.str.split().str[-1]。不是你所期望的......
@KevinMarkham：它是这样工作的：str 不仅适用于字符串，而且在某种程度上也适用于列表。因此，如果您有一个字符串 Series foo，那么 foo.str[0] 将采用每个字符串的第一个字符，foo.str[-1] 将采用最后一个字符。但由于str 也（部分）在列表上工作，temp2.str[-1] 采用系列中每个列表的最后一个元素。字符串毕竟是一个字符序列，类似于列表。

【解决方案2】：

您可以使用tolist 方法作为中介：

In [99]: import pandas as pd

In [100]: d1 = pd.DataFrame({'ticker' : ['spx 5/25/2001 p500', 'spx 5/25/2001 p600', 'spx 5/25/2001 p700']})

In [101]: d1.ticker.str.split().tolist()
Out[101]: 
[['spx', '5/25/2001', 'p500'],
 ['spx', '5/25/2001', 'p600'],
 ['spx', '5/25/2001', 'p700']]

您可以从中创建一个新的 DataFrame：

In [102]: d2 = pd.DataFrame(d1.ticker.str.split().tolist(), 
   .....:                   columns="symbol date price".split())

In [103]: d2
Out[103]: 
  symbol       date price
0    spx  5/25/2001  p500
1    spx  5/25/2001  p600
2    spx  5/25/2001  p700

为了更好的衡量，你可以固定价格：

In [104]: d2["price"] = d2["price"].str.replace("p","").astype(float)

In [105]: d2
Out[105]: 
  symbol       date  price
0    spx  5/25/2001    500
1    spx  5/25/2001    600
2    spx  5/25/2001    700

PS：但如果您真的只想要最后一列，apply 就足够了：

In [113]: temp2.apply(lambda x: x[2])
Out[113]: 
0    p500
1    p600
2    p700
Name: ticker

【讨论】：

这只是帮助我在 pandas 中添加了一个日志文件，这在以前太可怕和混乱了（单列数据，每行有很多信息）。
与 Wes McKinney 的回答相比，所有这些方法都具有灾难性的性能。
@JohnZwinck：哇，对一个关于功能的五年老答案的只与性能相关的反对票，该答案只介绍了关于 two months before 的功能？那是..严谨，我给你！
但这就是 SE 的重点：过时的答案应该不那么显眼。因为如果 OP 不改变接受的解决方案，这是不可能的，只有警告未来用户可能是投票的差异..

【解决方案3】：

https://pandas.pydata.org/pandas-docs/stable/text.html

s2 = pd.Series(['a_b_c', 'c_d_e', np.nan, 'f_g_h'])
s2.str.split('_').str.get(1)

或

s2.str.split('_').str[1]

【讨论】：

您可以使用 -1 来获取最后一个元素，例如访问列表中的最后一个元素 s2.str.split('_').str.get(-1)

【解决方案4】：

使用 Pandas 0.20.3：

In [10]: import pandas as pd
    ...: temp = pd.DataFrame({'ticker' : ['spx 5/25/2001 p500', 'spx 5/25/2001 p600', 'spx 5/25/2001 p700']})
    ...:

In [11]: temp2 = temp.ticker.str.split(' ', expand=True)  # the expand=True return a DataFrame

In [12]: temp2
Out[12]:
     0          1     2
0  spx  5/25/2001  p500
1  spx  5/25/2001  p600
2  spx  5/25/2001  p700

In [13]: temp3 = temp.join(temp2[2])

In [14]: temp3
Out[14]:
               ticker     2
0  spx 5/25/2001 p500  p500
1  spx 5/25/2001 p600  p600
2  spx 5/25/2001 p700  p700

【讨论】：

【解决方案5】：

如果您正在寻找单线（就像我来这里一样），这应该很好：

temp2 = temp.ticker.str.split(' ', expand = True)[-1]

您也可以简单地修改此答案，以将此列分配回原始 DataFrame，如下所示：

temp['last_split'] = temp.ticker.str.split(' ', expand = True)[-1]

我想这是一个流行的用例。

【讨论】：