基于包含分隔符的现有 df 列创建 df 列

Question

我的 pandas df的一列看起来像这样。 它是一个带有-作为分隔符的长字符串。 这个长字符串包含特定产品的一些特征。

Water Resistant: 10 ATM - Diameter: 48 mm - Sex: Man - Material: RVS IP Gun - Movement: Quartz - Functionality: Alleen Tijd - Glass: Mineraal

我想为每个 object 特性在相同的df中创建列：防水、直径、性别等。

最终结果应类似于：

Water resistance    Diameter    Sex    Material    Movement
10 ATM              48 mm       Man    RVS IP Gun  Quartz

还有一些产品没有描述。 在这种情况下， df应该如下所示：

Water resistance    Diameter    Sex    Material    Movement
10 ATM              48 mm       Man    RVS IP Gun  Quartz
-                   47 mm       Woman  -           Quartz
10 ATM              -           Woman  UIS         - 

我怎样才能做到这一点？

Answer 1

使用正则表达式和pd.DataFrame.from_records 。

前任：

import re

s = "Water Resistant: 10 ATM - Diameter: 48 mm - Sex: Man - Material: RVS IP Gun - Movement: Quartz - Functionality: Alleen Tijd - Glass: Mineraal"

ptrn = re.compile(r"([\w\s]+):\s*([\w\s]+)")
df = pd.DataFrame.from_records([dict(ptrn.findall(s))])
print(df)

Output：

  Water Resistant  Diameter   Sex     Material  Movement  Functionality     Glass
0         10 ATM     48 mm   Man   RVS IP Gun    Quartz    Alleen Tijd   Mineraal

Answer 2

我假设你有这个 dataframe：

                                                col1
0  Water Resistant: 10 ATM - Diameter: 48 mm - Se...
1  Diameter: 47 mm - Sex: Woman - Movement: Quart...
2  Water Resistant: 13 ATM - Sex: Woman - Materia...

然后：

df_out = pd.DataFrame(
    df["col1"]
    .apply(
        lambda x: {
            line.split(":")[0]: line.split(":")[1].strip()
            for line in x.split(" - ")
        }
    )
    .tolist()
).fillna("-")
print(df_out)

印刷：

  Water Resistant Diameter    Sex    Material Movement Functionality     Glass
0          10 ATM    48 mm    Man  RVS IP Gun   Quartz   Alleen Tijd  Mineraal
1               -    47 mm  Woman           -   Quartz   Alleen Tijd  Mineraal
2          13 ATM        -  Woman         UIS        -   Alleen Tijd  Mineraal

---

编辑：处理NaN和边缘情况：

def fn(x):
    if pd.isna(x):
        return {}

    out = {}
    for line in x.split(" - "):
        if ":" in line:
            k, v = map(str.strip, line.split(":"))
            out[k] = v
    return out


df_out = pd.DataFrame(df["col1"].apply(fn).tolist()).fillna("-")
print(df_out)