如何将列数据拆分为存储在数据框中的其他列？答案

【问题标题】：How to split a column data into other columns which is stored in a dataframe?如何将列数据拆分为存储在数据框中的其他列？
【发布时间】：2016-10-17 21:19:23
【问题描述】：

df 是包含以下信息的数据框。

 In [61]: df.head()
    Out[61]: 
       id  movie_id                  info
    0   1         1   Italy:1 January 1994
    1   2         2   USA:22 January 2006
    2   3         3   USA:12 February 2006
    3   4         4   USA:February 2006
    4   5         5   USA:2006

我想要如下输出：

In [61]: df.head()    
Out[61]: 
   id  movie_id    country Date    Month   Year
0   1         1    Italy    1     January  1994
1   2         2    USA      22    January  2006
2   3         3    USA      12    February 2006
3   4         4    USA      None  February 2006
4   5         5    USA      None  None     2006

数据存储在dataframe中，必须覆盖到dataframe中。

【问题讨论】：

向我们展示您的尝试
编写一个函数，将提取/分离并返回片段，然后将该函数的返回值分配给一个新列 - 可能使用Dataframe.apply or .applymap。

标签： python pandas

【解决方案1】：

您可以使用正则表达式:|\s+ 以分号或空格分隔列，并将expand 参数指定为true，以便结果将扩展为列：

df[["country","Date","Month","Year"]] = df['info'].str.split(':|\s+', expand = True)

更新：

要处理可选的缺失日期和月份，您可以尝试使用正则表达式 extract：

(df[["country","Date","Month","Year"]] = 
     df['info'].str.extract('^([A-Za-z]+):(\d{1,2})? ?([A-Za-z]+)? ?(\d{4})$'))

^([A-Za-z]+):(\d{1,2})? ?([A-Za-z]+)? ?(\d{4})$'包含四个捕获组，分别对应country, Date, Month, Year；
^ 和 $ 表示字符串的开始和结束；
([A-Za-z]+) 捕获: 之前的国家，由字母组成；
(\d{1,2}) 捕获由一位或两位数字组成但可选的日期（? 在组后），即可能丢失；
([A-Za-z]+) 捕获由字母组成的月份，并用? 标记为可选；
(\d{4}) 捕获由四位数字组成的年份；

【讨论】：

信息中缺少某些数据，例如 info 仅包含 USA:2013。这可以在国家和年份内表示，但 2013 位于 Date 列下。可以倒车或者其他方法吗？
在 [17] 中：dataframe[['year', 'month', 'day']] = dataframe['release'].apply( lambda x: pd.Series(x.split( )[::-1]))
我尝试了上面的代码来解决我的问题，但是国家名称和日期出现在列中。

【解决方案2】：

使用split字符串方法。

In [163]: df[['country', 'date', 'month', 'year']] = df['info'].str.split('\W+', expand=True)

In [164]: df
Out[164]:
   id  movie_id                  info country date     month  year
0   1         1  Italy:1 January 1994   Italy    1   January  1994
1   2         2   USA:22 January 2006     USA   22   January  2006
2   3         3  USA:12 February 2006     USA   12  February  2006
3   4         4  USA:19 February 2006     USA   19  February  2006
4   5         5   USA:22 January 2006     USA   22   January  2006

【讨论】：

这项工作非常好，但我还有一个问题是：
info 中缺少一些数据，即：info 仅包含 'Italy:2013' 拆分后 2013 显示在 date* 列和 **month 下，年份没有。如何解决这个问题。
您需要编写自定义函数。提示：stackoverflow.com/a/40069615/2137255
你能不能把它弄成相反的形式，这样我就可以很容易地处理丢失的数据。示例：年、月、日、国家，因此缺少的值为无。