Python - CSV 文件中的列包含多个分隔符和结果

Question

我有一个相当大的 CSV 文件，它有多个列（没有分隔符）和一个包含使用三个分隔符的结果的列。

主要分隔符是“;”，它分隔结果的天数。

第二个分隔符是“:”，它分隔每天的结果（我只使用 6 个结果中的 2 个）。

第三个分隔符是“/”，它将结果日期和结果的日历值分开。

我想尽可能避免遍历“X&Y”列，因为该列本身包含许多分隔的结果，并且有很多行。

第 1 列	Col2	XY
一种	乙	20200331/1D::::1:2;20200401/2D::::3:4;20200402/3D::::5:6
机管局	BB	20210330/1Y::::11:22;20220330/2Y::::33:44;20230330/3Y::::55:66

我想看看：

第 1 列	Col2	日期	日历值	X	是
一种	乙	20200331	一维	1	2
一种	乙	20200401	二维	3	4
一种	乙	2020040	3D	5	6
机管局	BB	20210330	1年	11	22
机管局	BB	20220330	2年	33	44
机管局	BB	20220330	3年	55	66

import pandas as pd
df = pd.DataFrame({'Col1':['A','AA'], 'Col2':['B', 'BB'], 'Col3':['20200331/1D::::1:2;20200401/2D::::3:4;20200402/3D::::5:6','20210330/1Y::::11:22;20220330/2Y::::33:44;20230330/3Y::::55:66']})

Answer 1

这里是一个解决方案，您可以尝试一下，拆分基于分隔符(;)随后explode转变为行。 接着是extract & 最后concat帧以获得结果帧。

import pandas as pd
import re

df = pd.DataFrame({'Col1': ['A', 'AA'], 'Col2': ['B', 'BB'],
                   'Col3': ['20200331/1D::::1:2;20200401/2D::::3:4;20200402/3D::::5:6',
                            '20210330/1Y::::11:22;20220330/2Y::::33:44;20230330/3Y::::55:66']})

df['Col3'] = df['Col3'].str.split(";")

# extract features from the string
extract_ = re.compile(r"(?P<Date>\w+)/(?P<CalendarValue>\w+):+(?P<X>.+):(?P<Y>.+)")

pd.concat([
    df.drop(columns='Col3'),
    df['Col3'].explode().str.extract(extract_, expand=True)
], axis=1)

---

Out[*]:

  Col1 Col2      Date CalendarValue   X   Y
0    A    B  20200331            1D   1   2
0    A    B  20200401            2D   3   4
0    A    B  20200402            3D   5   6
1   AA   BB  20210330            1Y  11  22
1   AA   BB  20220330            2Y  33  44
1   AA   BB  20230330            3Y  55  66

Regex Demo