如何将数据框列拆分为多列

Question

经过很多尝试之后，我开始将R脚本迁移到Python。 我在R中的大部分工作都涉及数据帧，而我正在使用pandas包中的DataFrame对象。 在我的脚本中，我需要读取一个csv文件并将数据导入到DataFrame对象中。 接下来，我需要将十六进制值转换为标记为DATA的列，再将其转换为按位数据，然后创建16个新列，每个列对应一个。

我在示例test.txt输入数据的示例如下所示，

前缀，测试，区域，行，颜色，数据

6_6，READ，0，0，0，BFED

6_6，读取，0，1，0，BB7D

6_6，READ，0,2,0，FFF7

6_6，READ，0，3，0，E7FF

6_6，READ，0,4,0，FBF8

6_6，READ，0,5,0，DE75

6_6，READ，0,6,0，DFFE

我的python脚本test.py如下，

import glob

import pandas as pd

import numpy as np

fname = 'test.txt'

df = pd.read_csv(fname, comment="#")

dfs = df[df.TEST == 'READ']

# function to convert the hexstring into a binary string

def hex2bin(hstr):

    return bin(int(hstr,16))[2:]


# convert the hexstring in column DATA to binarystring ROWDATA

dfs['BINDATA'] = dfs['DATA'].apply(hex2bin)

# get rid of the column DATA

del dfs['DATA']

当我运行此脚本并检查dfs对象时，得到以下信息：

前缀测试区行COL BINDATA

0 6_6读取0 0 0 1011111111101101

1 6_6读取0 1 0 1011101101111101

2 6_6读取0 2 0 1111111111110111

3 6_6读取0 3 0 1110011111111111

4 6_6读取0 4 0 1111101111111000

5 6_6读取0 5 0 1101111001110101

6 6_6读取0 6 0 1101111111111110

所以现在我不确定如何将名为BINDATA的列BINDATA为16个新列（可以命名为B0，B0，B2，....，B15）。 任何帮助将不胜感激。

感谢和问候，

Derric。

Answer 1

我不知道它是否可以做得更简单（没有for循环），但这可以解决问题：

for i in range(16):
    dfs['B'+str(i)] = dfs['BINDATA'].str[i]

该系列的str属性可访问对每个元素起作用的一些矢量化字符串方法（请参阅docs： http : //pandas.pydata.org/pandas-docs/stable/basics.html#vectorized-string-methods ）。 在这种情况下，我们只需索引字符串即可访问不同的字符。
这给了我：

In [20]: dfs
Out[20]:
            BINDATA B0 B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11 B12 B13 B14 B15
0  1011111111101101  1  0  1  1  1  1  1  1  1  1   1   0   1   1   0   1
1  1011101101111101  1  0  1  1  1  0  1  1  0  1   1   1   1   1   0   1
2  1111111111110111  1  1  1  1  1  1  1  1  1  1   1   1   0   1   1   1
3  1110011111111111  1  1  1  0  0  1  1  1  1  1   1   1   1   1   1   1
4  1111101111111000  1  1  1  1  1  0  1  1  1  1   1   1   1   0   0   0
5  1101111001110101  1  1  0  1  1  1  1  0  0  1   1   1   0   1   0   1
6  1101111111111110  1  1  0  1  1  1  1  1  1  1   1   1   1   1   1   0

如果希望将它们作为整数而不是字符串，则可以在for循环中添加.astype(int) 。

---

编辑：另一种方法（oneliner，但您必须在第二步中更改列名称）：

In [34]: splitted = dfs['BINDATA'].apply(lambda x: pd.Series(list(x)))

In [35]: splitted.columns = ['B'+str(x) for x in splitted.columns]

In [36]: dfs.join(splitted)
Out[36]:
            BINDATA B0 B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11 B12 B13 B14 B15
0  1011111111101101  1  0  1  1  1  1  1  1  1  1   1   0   1   1   0   1
1  1011101101111101  1  0  1  1  1  0  1  1  0  1   1   1   1   1   0   1
2  1111111111110111  1  1  1  1  1  1  1  1  1  1   1   1   0   1   1   1
3  1110011111111111  1  1  1  0  0  1  1  1  1  1   1   1   1   1   1   1
4  1111101111111000  1  1  1  1  1  0  1  1  1  1   1   1   1   0   0   0
5  1101111001110101  1  1  0  1  1  1  1  0  0  1   1   1   0   1   0   1
6  1101111111111110  1  1  0  1  1  1  1  1  1  1   1   1   1   1   1   0

Answer 2

这是没有循环即可执行此操作的方法（但实际上并非如此，因为此代码中有很多隐式循环）：

import pandas as pd

# read the above frame from the clipboard
df = pd.read_clipboard(converters={'BINDATA': str})
df = df.fillna(nan).replace('None', nan).dropna(axis=0, how='all')

# here are the lines that matter
bindata = df.BINDATA.apply(list).apply(Series)
bindata.columns = bindata.columns.map('B{0}'.format)
res = pd.concat([df, bindata], axis=1).convert_objects(convert_numeric=True)