我有这样的数据
ID INFO
1 A=2;B=2;C=5
2 A=3;B=4;C=1
3 A=1;B=3;C=2
我想将 Info 列拆分为
ID A B C
1 2 2 5
2 3 4 1
3 1 3 2
我可以使用一个分隔符来拆分列
df['A'], df['B'], df['C'] = df['INFO'].str.split(';').str
然后由= 再次拆分，但如果我有很多行，尤其是当有很多字段无法事先硬编码时，这似乎效率不高。
非常欢迎任何建议。
【问题讨论】：
for 循环，因为我的数据框很长
values = [dict(item.split("=") for item in value.split(";")) for value in df.INFO]
df[['a', 'b', 'c']] = pd.DataFrame(values)
这将为您提供所需的输出：
ID INFO a b c
1 a=1;b=2;c=3 1 2 3
2 a=4;b=5;c=6 4 5 6
3 a=7;b=8;c=9 7 8 9
说明： 第一行将每个值转换为字典。 例如
x = 'a=1;b=2;c=3'
dict(item.split("=") for item in x.split(";"))
结果：
{'a': '1', 'b': '2', 'c': '3'}
DataFrame 可以将字典列表作为输入并将其转换为数据帧。
那么您只需将数据框分配给您想要的列：df[['a', 'b', 'c']] = pd.DataFrame(values)
【讨论】：
您可以将命名组与Series.str.extract 一起使用。最后连接'ID'。这假设您总是在一行中有 A=;B=;和 C=。
pd.concat([df['ID'],
df['INFO'].str.extract('A=(?P<A>\d);B=(?P<B>\d);C=(?P<C>\d)')], axis=1)
# ID A B C
#0 1 2 2 5
#1 2 3 4 1
#2 3 1 3 2
如果您想要一个更灵活的解决方案来处理单行可能是'A=1;C=2' 的情况，那么我们可以在'=' 上拆分';' 和partition。 pivot 最后得到你想要的输出。
### Starting Data
#ID INFO
#1 A=2;B=2;C=5
#2 A=3;B=4;C=1
#3 A=1;B=3;C=2
#4 A=1;C=2
(df.set_index('ID')['INFO']
.str.split(';', expand=True)
.stack()
.str.partition('=')
.reset_index(-1, drop=True)
.pivot(columns=0, values=2)
)
# A B C
#ID
#1 2 2 5
#2 3 4 1
#3 1 3 2
#4 1 NaN 2
【讨论】：
浏览系列比遍历数据帧的行要快得多。
所以我会这样做：
pd.DataFrame([dict([x.split('=') for x in t.split(';')]) for t in df['INFO']], index=df['ID']).reset_index()
它按预期给出：
ID A B C
0 1 2 2 5
1 2 3 4 1
2 3 1 3 2
它应该比拆分两次数据框列更快。
【讨论】：
另一种解决方案是Series.str.findAll提取值，然后apply(pd.Series)：
df[["A", "B", "C"]] = df.INFO.str.findall(r'=(\d+)').apply(pd.Series)
df = df.drop("INFO", 1)
详情：
df = pd.DataFrame([[1, "A=2;B=2;C=5"],
[2, "A=3;B=4;C=1"],
[3, "A=1;B=3;C=2"]],
columns=["ID", "INFO"])
print(df.INFO.str.findall(r'=(\d+)'))
# 0 [2, 2, 5]
# 1 [3, 4, 1]
# 2 [1, 3, 2]
df[["A", "B", "C"]] = df.INFO.str.findall(r'=(\d+)').apply(pd.Series)
print(df)
# ID INFO A B C
# 0 1 A=2;B=2;C=5 2 2 5
# 1 2 A=3;B=4;C=1 3 4 1
# 2 3 A=1;B=3;C=2 1 3 2
# Remove INFO column
df = df.drop("INFO", 1)
print(df)
# ID A B C
# 0 1 2 2 5
# 1 2 3 4 1
# 2 3 1 3 2
【讨论】：
另一种解决方案：
#split on ';'
#explode
#then split on '='
#and pivot
df_INFO = (df.INFO
.str.split(';')
.explode()
.str.split('=',expand=True)
.pivot(columns=0,values=1)
)
pd.concat([df.ID,df_INFO],axis=1)
ID A B C
0 1 2 2 5
1 2 3 4 1
2 3 1 3 2
【讨论】：