在熊猫数据框中拆分列

Question

我想使用逗号分隔符将df中的ji列拆分为两列 - 也可以很好地摆脱ji值周围的括号。 我尝试了各种方法并不断出错。 我想暂时避免使用lambda expression ？ 还有其他想法吗？

例子

      ji           length
0     (75.0, 5.0)  3283.458479
1     (96.0, 5.0)  1431.312901
2     (97.0, 5.0)  1364.592959
3    (247.0, 5.0)  3736.322308
4     (81.0, 7.0)  2655.910005
5     (93.0, 7.0)  1752.293687
6    (242.0, 7.0)   427.844417
7    (248.0, 7.0)  3725.823013
8    (254.0, 7.0)  2318.937332
9    (255.0, 7.0)  2292.673905
10   (242.0, 8.0)   145.811907
11   (254.0, 8.0)  2222.447786
12   (255.0, 8.0)  2196.184360
13   (248.0, 9.0)   441.222866
14   (253.0, 9.0)   853.095032
15   (256.0, 9.0)  2076.942682
16   (91.0, 10.0)  1743.310744
17   (93.0, 10.0)  1256.337420
18  (105.0, 10.0)   523.447658
19  (174.0, 10.0)  1530.617012
20  (176.0, 10.0)  1697.614009
21  (248.0, 10.0)   440.000463
22  (253.0, 10.0)   904.706003
23  (256.0, 10.0)  1991.662604
24  (258.0, 10.0)  1850.995862
25  (172.0, 11.0)  1301.179960
26  (174.0, 11.0)  1436.984094
27  (176.0, 11.0)  1695.954099
28  (179.0, 11.0)  1548.015013
29  (228.0, 11.0)  4640.928585
30  (242.0, 11.0)   169.617203
31  (251.0, 11.0)   784.921333
32  (253.0, 11.0)   983.118859
33  (255.0, 11.0)  1181.474433
34  (256.0, 11.0)  1303.398235

您可以使用以下方式加载上面的示例：

import pandas as pd
from io import StringIO

csv = """\
ji:length
(75.0,5.0):3283.458479
(96.0,5.0):1431.312901
(97.0,5.0):1364.592959
(247.0,5.0):3736.322308
(81.0,7.0):2655.910005
(93.0,7.0):1752.293687
(242.0,7.0):427.844417
(248.0,7.0):3725.823013
(254.0,7.0):2318.937332
(255.0,7.0):2292.673905
(242.0,8.0):145.811907
(254.0,8.0):2222.447786
(255.0,8.0):2196.184360
(248.0,9.0):441.222866
(253.0,9.0):853.095032
(256.0,9.0):2076.942682
(91.0,10.0):1743.310744
(93.0,10.0):1256.337420
(105.0,10.0):523.447658
(174.0,10.0):1530.617012
(176.0,10.0):1697.614009
(248.0,10.0):440.000463
(253.0,10.0):904.706003
(256.0,10.0):1991.662604
(258.0,10.0):1850.995862
(172.0,11.0):1301.179960
(174.0,11.0):1436.984094
(176.0,11.0):1695.954099
(179.0,11.0):1548.015013
(228.0,11.0):4640.928585
(242.0,11.0):169.617203
(251.0,11.0):784.921333
(253.0,11.0):983.118859
(255.0,11.0):1181.474433
(256.0,11.0):1303.398235
"""
df = pd.read_csv(StringIO(csv), sep=":")

Answer 1

解决方案，如果列ji中的字符串 - 用于提取、 strip和split的pop列，对于DataFrame使用expand=True ：

print (type(df.loc[0, 'ji']))
<class 'str'>

df[['a','b']] = df.pop('ji').str.strip('()').str.split(', ', expand=True).astype(float)

或者如果没有缺失值并且性能很重要，则使用list comprehension ：

L = [x.strip('()').split(', ') for x in df.pop('ji')]
df[['a','b']] = pd.DataFrame(L, index=df.index).astype(float)

print (df)
         length      a     b
0   3283.458479   75.0   5.0
1   1431.312901   96.0   5.0
2   1364.592959   97.0   5.0
3   3736.322308  247.0   5.0
4   2655.910005   81.0   7.0
5   1752.293687   93.0   7.0
6    427.844417  242.0   7.0
7   3725.823013  248.0   7.0

If tuples 然后创建嵌套的元组列表并传递给DataFrame构造函数：

print (type(df.loc[0, 'ji']))
<class 'tuple'>

df[['a','b']] = pd.DataFrame(df.pop('ji').values.tolist(), index=df.index)

Answer 2

编辑：

如果'ji'包含元组，那就简单多了：

df[['j', 'i']] = df.pop('ji').apply(pd.Series)

---

鉴于

>>> df                                                                            
            ji       length
0   (75.0,5.0)  3283.458479
1   (96.0,5.0)  1431.312901
2   (97.0,5.0)  1364.592959
3  (247.0,5.0)  3736.322308
4   (81.0,7.0)  2655.910005
>>>
>>> df.dtypes                                                                     
ji         object
length    float64
dtype: object

即当'ji'列包含字符串时，我会在这里使用ast.literal_eval 。

>>> from ast import literal_eval
>>> def split_to_df(string): 
...:    return pd.Series(literal_eval(string)) 
>>>
>>> df[['val1', 'val2']] = df.pop('ji').apply(split_to_df)                                                                                                      
>>> df                                                                                                                                                   
        length   val1  val2
0  3283.458479   75.0   5.0
1  1431.312901   96.0   5.0
2  1364.592959   97.0   5.0
3  3736.322308  247.0   5.0
4  2655.910005   81.0   7.0

（使用pop的灵感来自 jezrael 的回答。）

Answer 3

你需要：

df['a'] = df['ji'].apply(lambda x: x[0])
df['b'] = df['ji'].apply(lambda x: x[1])

df.drop(['ji'], axis=1, inplace=True)