基於條件在熊貓數據框列中的特殊字符上拆分字符串

Question

我正在嘗試在我的 Pandas 數據框中的地址列中建立一致性。 我有一個 ZipCode 列，它有兩種格式：1) 87301 2) 87301-1234。 不是每一行都有連字符，所以當它出現時我需要在連字符上拆分。

我的數據如下所示：

State  ZIP
CA     85145-7045
PA     76913   

我嘗試了幾種方法來解決這個問題。 我試過了：

data['Zip_1'],data['Zip_2'] = data['Zip'].str.split('-').str

我試過了：

data['Zip'] = data['Zip'].str.split('-', n=1, expand=True)
data['Zip'] = data['Zip'][0]
data['Zip_drop'] = data['Zip'][1]

我也嘗試過使用 lambda 函數。

但是它只返回空值。

我希望新列對於沒有連字符的郵政編碼和連字符后的數字（如果它包含連字符）返回 NaN。 但是，新列只是為每個觀察值填充 NaN

Answer 1

您可以通過將“替換”與正則表達式結合使用來做到這一點。

第1步

example_df = pd.DataFrame({'State': ['CA', 'PA'],
                           'ZIP': ['85145-7045', '76913'] })

example_df

第2步

# Keep only the numbers before the hyphen (if any).
example_df = example_df.replace('\-\d*', '', regex=True)
example_df

Answer 2

獲取包含連字符的所有郵政編碼的數據框，並將其放在新列中

data['Zip Hyphen'] = data['Zip'].str.find('-')

然后，從帶有 Zip 列的數據框中，刪除包含連字符的任何行

 data = data.drop(data[data['Zip'].str.find('-')].index)

編輯：此代碼未經測試，但總體思路就在那里