以逗号分隔值的大熊猫分隔列，但保持顺序

Question

我在数据框中有以下列：

column_1
en-us,en-en
pr,en-us,en-en,br
ar-ar,pr,en-en

我想拆分该列（可以通过.str.split完成），但是使用.Split，我将得到：

column_1 | column_2 | column_3 | column_4
en-us      en-en
pr         en-us      en-en      br
ar-ar      pr         en-en

我需要的是：

column_1 | column_2 | column_3 | column_4
en-us      en-en      
en-us      en-en      br         pr
ar-ar      en-en                 pr

有自动的方法吗？

Answer 1

IIUC，您可以通过将字典列表传递给默认的pd.DataFrame构造函数来完成。 例如，

df = pd.DataFrame(s.str.split(',').transform(lambda x: {k:k for k in x}).tolist())

产量

    r-ar    br  en-en   en-us   pr
0   NaN     NaN en-en   en-us   NaN
1   NaN     br  en-en   en-us   pr
2   ar-ar   NaN en-en   NaN     pr

请注意，根据您的需求重新排列数据框很简单，例如

>>> df[['en-en', 'en-us', 'br', 'pr']]
    en-en   en-us   br  pr
0   en-en   en-us   NaN NaN
1   en-en   en-us   br  pr
2   en-en   NaN     NaN pr

如果要使用空字符串而不是NaN ，则只需使用.fillna()

df[['en-en', 'en-us', 'br', 'pr']].fillna('')

    en-en   en-us   br  pr
0   en-en   en-us       
1   en-en   en-us   br  pr
2   en-en           pr

---

说明

让我们分解以下语句

s.str.split(',').transform(lambda x: {k:k for k in x}).tolist()

首先， s.str.split(',')做您已经知道的事情：使用,作为分隔符进行拆分。 这产生了以下系列

0            [en-us, en-en]
1    [pr, en-us, en-en, br]
2        [ar-ar, pr, en-en]
Name: col1, dtype: object

现在，我们想将每个元素更改为{key:value}结构。 为此，我们使用transform函数传递给它的transform ：

s.str.split(',').transform(function)

其中function = lambda x: {k:k for k in x} 。 因此，基本上，我们将针对输入[en-us, en-en]运行func ，然后针对[pr, en-us, en-en, br]等运行此函数。此函数的输出为

0                 {'en-en': 'en-en', 'en-us': 'en-us'}
1    {'br': 'br', 'en-en': 'en-en', 'en-us': 'en-us...
2     {'en-en': 'en-en', 'ar-ar': 'ar-ar', 'pr': 'pr'}

现在，我们仅使用tolist()获取这些值的列表，并将其输入到pd.DataFrame()构造函数中。 构造函数知道如何很好地处理字典列表，并且它基于字典的keys为每一行分配值。 每当找不到行的键/值时，它仅使用NaN