将包含多行数据的单元格拆分为每个 ID 的单独行 Pandas
split a cell with multiline data into separate rows per ID Pandas
我有一个数据框 df，其中一列包含多行换行文本：
df = pd.DataFrame({'ID': ['1','3', '3'], \
'code_description': ['N1.12 - some description - further details of the case\nR31 - customer not satisfied, (case processed)', '"C3.42 - some description - further details of the case\nL91.29 - some description : case processed"','"O20.12 - some description - further details of the case\nZ30.00 - some description / case further details\nL20 - some description "'], \
'postcode': ['1037', '2512','2512'], \
'age': ['34', '56','56']})
我想拆分存储在 code_description 列中的多行数据，并且希望仅获取 N1.12 或 R31 等代码，并且每个 ID 每行仅获取一个代码。同时，我想将其他列保留在数据框中，但我不知道如何获取。
我尝试使用str.split() 方法来拆分换行符，然后使用相同的方法来分隔代码。我做了以下事情：
df['code_description'].str.split("\n", expand=True).stack()
然后使用
df['code_description'].str.split(" - ").str[0]
提取代码。但是使用这种方法，我丢失了与 ID 和其他列（例如 postcode 和 age 相关的信息。
我想要的输出如下：
ID code_description postcode age
0 1 N1.12 1037 34
1 1 R31 1037 34
2 3 C3.42 2512 56
3 3 L91.29 2512 56
4 3 O20.12 2512 56
5 3 Z30.00 2512 56
6 3 L20 2512 56
在Pandas中有什么好的方法可以得到这样的输出吗？
sr = df.code_description.str.extractall(
re.compile('(?P<extracted_code_description>[0-9A-Z\.]+)\s-\s'))
sr = sr.set_index(sr.index.droplevel(1))
result = pd.merge(left=df, right=sr, left_index=True, right_index=True, how='left')
print(result[['ID', 'extracted_code_description', 'postcode', 'age']])
输出：
ID extracted_code_description postcode age
0 1 N1.12 1037 34
0 1 R31 1037 34
1 3 C3.42 2512 56
1 3 L91.29 2512 56
2 3 O20.12 2512 56
2 3 Z30.00 2512 56
2 3 L20 2512 56
您可能需要改进其中的正则表达式，以便普遍适用于您的所有案例。
我有一个数据框 df，其中一列包含多行换行文本：
df = pd.DataFrame({'ID': ['1','3', '3'], \
'code_description': ['N1.12 - some description - further details of the case\nR31 - customer not satisfied, (case processed)', '"C3.42 - some description - further details of the case\nL91.29 - some description : case processed"','"O20.12 - some description - further details of the case\nZ30.00 - some description / case further details\nL20 - some description "'], \
'postcode': ['1037', '2512','2512'], \
'age': ['34', '56','56']})
我想拆分存储在 code_description 列中的多行数据，并且希望仅获取 N1.12 或 R31 等代码，并且每个 ID 每行仅获取一个代码。同时，我想将其他列保留在数据框中，但我不知道如何获取。
我尝试使用str.split() 方法来拆分换行符，然后使用相同的方法来分隔代码。我做了以下事情：
df['code_description'].str.split("\n", expand=True).stack()
然后使用
df['code_description'].str.split(" - ").str[0]
提取代码。但是使用这种方法，我丢失了与 ID 和其他列（例如 postcode 和 age 相关的信息。
我想要的输出如下：
ID code_description postcode age
0 1 N1.12 1037 34
1 1 R31 1037 34
2 3 C3.42 2512 56
3 3 L91.29 2512 56
4 3 O20.12 2512 56
5 3 Z30.00 2512 56
6 3 L20 2512 56
在Pandas中有什么好的方法可以得到这样的输出吗？
sr = df.code_description.str.extractall(
re.compile('(?P<extracted_code_description>[0-9A-Z\.]+)\s-\s'))
sr = sr.set_index(sr.index.droplevel(1))
result = pd.merge(left=df, right=sr, left_index=True, right_index=True, how='left')
print(result[['ID', 'extracted_code_description', 'postcode', 'age']])
输出：
ID extracted_code_description postcode age
0 1 N1.12 1037 34
0 1 R31 1037 34
1 3 C3.42 2512 56
1 3 L91.29 2512 56
2 3 O20.12 2512 56
2 3 Z30.00 2512 56
2 3 L20 2512 56
您可能需要改进其中的正则表达式，以便普遍适用于您的所有案例。