拆分列中的两种类型的字符串

Question

我在 "1234/123456789/12/123" 和 "1234/X/123456789/12/123" 列中有两种类型的字符串。我想将它分成五列，只要字符串中有“X”，它就会转到第二列，否则第 2 列保持为空。预期输出

Col1    Col2    Col3    Col4    Col5
1234         123456789  12      123
1234     X   123456789  12      123

Answer 1

想法是首先使用 Series.str.split for DataFrame, rename columns and then test second column if not equal X, then shifting all columns from second one by DataFrame.shift 和 axis=1:

df = pd.DataFrame({'a':[ "1234/123456789/12/123", "1234/X/123456789/12/123"]})
 

df1 = df['a'].str.split('/', expand=True).rename(columns = lambda x: f'Col{x+1}')
m = df1['Col2'].ne('X').to_numpy()
df1.iloc[m, 1:] = df1.iloc[m, 1:].shift(axis=1).fillna('')
print (df1)
   Col1 Col2       Col3 Col4 Col5
0  1234       123456789   12  123
1  1234    X  123456789   12  123

Answer 2

我的方法是只创建一个二维列表，然后您可以将其作为 DataFrame 加载。假设您的输入字符串属于您描述的两种情况之一：4 列或 5 列，均以“/”作为分隔符。使用 numpy 的 nan 值作为空条目。

#converts one string to a list of column values
def stringToList(rowString):
    rowList = rowString.split("/")
    if len(rowList)==5:
        return(rowList)
    if len(rowList)==4:
        rowList = [rowList[0]] + [np.nan] + rowList[1::]
        return(rowList)

#converts list of strings to pd dataframe
def convertToDataFrame(listOfStrings):
    result = []
    for s in listOfStrings:
        result.append(stringToList(s))
    return pd.DataFrame(result)

尚未测试，但请告诉我它是否有效。您可以在 pd.DataFrame 方法中使用 column= 参数设置列名。

Answer 3

如果您愿意，可以使用正则表达式来完成：

示例：

import pandas as pd
import re

# Create sample DataFrame
df = pd.DataFrame({'s': ["1234/123456789/12/123", "1234/X/123456789/12/123"]})

# Build a named regex pattern. 
exp = re.compile(r'(?P<col1>\d+)\/(?P<col2>X)?\/?(?P<col3>\d+)\/(?P<col4>\d+)\/(?P<col5>\d+)')

# Extract parts into columns.
df['s'].str.extract(exp).replace(float('nan'), '')

输出：

    col1    col2         col3   col4    col5
0   1234            123456789     12     123
1   1234       X    123456789     12     123

注：
在这种情况下使用的正则表达式模式，可以被视为非常自由，或过于严格——取决于具体的用例。然而，正则表达式的一个很好的特性是，一旦定义了预期的输入文本模式，就可以轻松地更新正则表达式模式以适应目的。因此，已编写此特定模式以适合问题中的用例。

拆分列中的两种类型的字符串

Splitting two types of strings in a column

python

string

strsplit

pandas