Pandas怎么使用分隔符或正则表达式将字符串拆分为多列

这篇“pandas怎么使用分隔符或正则表达式将字符串拆分为多列”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“Pandas怎么使用分隔符或正则表达式将字符串拆分为多列”文章吧。

字符串方法是pandas.Series方法。

适用于pandas.Series或pandas.DataFrame列

str.split（）：用定界符分割

要按定界符（delimiter）进行拆分，使用字符串方法str.split（）。

pandas.Series

以以下pandas.Series为例。

import pandas as pds_org = pd.Series(['aaa@xxx.com', 'bbb@yyy.com', 'ccc@zzz.com', 'DDD'], index=['A', 'B', 'C', 'D'])print(s_org)print(type(s_org))# A    aaa@xxx.com# B    bbb@yyy.com# C    ccc@zzz.com# D            ddd# dtype: object# <class 'pandas.core.series.Series'>

将定界符指定为第一个参数。一个pandas.Series元素作为拆分字符串的列表返回。

s = s_org.str.split('@')print(s)print(type(s))# A    [aaa, xxx.com]# B    [bbb, yyy.com]# C    [ccc, zzz.com]# D             [ddd]# dtype: object# <class 'pandas.core.series.Series'>

指定split = True作为参数可分为多个列并以pandas.DataFrame的形式获取。默认值为expand = False。

没有足够的行划分的元素为“无(None)”。

df = s_org.str.split('@', expand=True)print(df)print(type(df))#      0        1# A  aaa  xxx.com# B  bbb  yyy.com# C  ccc  zzz.com# D  ddd     None# <class 'pandas.core.frame.DataFrame'>

可以在列中指定获取的pandas.DataFrame的列名。

df.columns = ['local', 'domain']print(df)#   local   domain# A   aaa  xxx.com# B   bbb  yyy.com# C   ccc  zzz.com# D   ddd     None

pandas.DataFrame

如果要通过将pandas.DataFrame的特定列拆分为多列来更新它，这会有些乏味。可能有更好的方法。

以先前创建的pandas.DataFrame为例。

print(df)#   local   domain# A   aaa  xxx.com# B   bbb  yyy.com# C   ccc  zzz.com# D   ddd     None

在特定的列上使用str.split（）获得一个拆分的pandas.DataFrame。

print(df['domain'].str.split('.', expand=True))#       0     1# A   xxx   com# B   yyy   com# C   zzz   com# D  None  None

使用pd.concat（）与原始pandas.DataFrame进行串联（联接），并使用drop（）方法删除原始列。

df2 = pd.concat([df, df['domain'].str.split('.', expand=True)], axis=1).drop('domain', axis=1)print(df2)#   local     0     1# A   aaa   xxx   com# B   bbb   yyy   com# C   ccc   zzz   com# D   ddd  None  None

如果剩余的列很少，则只能选择与pd.concat（）串联（联接）时所需的列。

df3 = pd.concat([df['local'], df['domain'].str.split('.', expand=True)], axis=1)print(df3)#   local     0     1# A   aaa   xxx   com# B   bbb   yyy   com# C   ccc   zzz   com# D   ddd  None  None

要重命名特定的列，请使用rename（）方法。

df3.rename(columns={0: 'second_LD', 1: 'TLD'}, inplace=True)print(df3)#   local second_LD   TLD# A   aaa       xxx   com# B   bbb       yyy   com# C   ccc       zzz   com# D   ddd      None  None

参考文章

Pandas.DataFrame的行名和列名的修改

str.extract()：按正则表达式拆分

使用字符串方法str.extract（）分割正则表达式。

以以下pandas.Series为例。

import pandas as pds_org = pd.Series(['aaa@xxx.com', 'bbb@yyy.com', 'ccc@zzz.com', 'ddd'], index=['A', 'B', 'C', 'D'])print(s_org)# A    aaa@xxx.com# B    bbb@yyy.com# C    ccc@zzz.com# D            ddd# dtype: object

在第一个参数中指定正则表达式。对于每个与正则表达式中用（）括起来的组部分匹配的字符串，均对其进行划分。

提取多个组时，无论参数expand如何，都将返回pandas.DataFrame。

如果不匹配，则为NaN。

df = s_org.str.extract('(.+)@(.+)\.(.+)', expand=True)print(df)#      0    1    2# A  aaa  xxx  com# B  bbb  yyy  com# C  ccc  zzz  com# D  NaN  NaN  NaNdf = s_org.str.extract('(.+)@(.+)\.(.+)', expand=False)print(df)#      0    1    2# A  aaa  xxx  com# B  bbb  yyy  com# C  ccc  zzz  com# D  NaN  NaN  NaN

如果只有一组，则当参数expand = True时返回pandas.DataFrame，如果expand = False则返回pandas.Series。

df_single = s_org.str.extract('(\w+)', expand=True)print(df_single)print(type(df_single))#      0# A  aaa# B  bbb# C  ccC# D  ddd# <class 'pandas.core.frame.DataFrame'>s = s_org.str.extract('(\w+)', expand=False)print(s)print(type(s))# A    aaa# B    bbb# C    ccc# D    ddd# dtype: object# <class 'pandas.core.series.Series'>

Expand = False是当前版本0.22.0中的默认值，但expand = True将是将来的默认值。

FutureWarning: currently extract(expand=None) means expand=False (return Index/Series/DataFrame) 
but in a future version of pandas this will be changed to expand=True (return DataFrame)

如果对正则表达式模式使用命名组（？P …），则该名称将按原样是列名。

df_name = s_org.str.extract('(?P<local>.*)@(?P<second_LD>.*)\.(?P<TLD>.*)', expand=True)print(df_name)#   local second_LD  TLD# A   aaa       xxx  com# B   bbb       yyy  com# C   ccc       zzz  com# D   NaN       NaN  NaN

如果要通过将pandas.DataFrame的特定列划分为多个列来进行更新，请参考上面的str.split（）示例。使用pd.concat（）连接（联接）原始的pandas.DataFrame并使用drop（）方法删除原始的列。

以上就是关于“Pandas怎么使用分隔符或正则表达式将字符串拆分为多列”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注编程网精选频道。