根據 Pandas 中列的內容將列拆分為多列

Question

我有一列包含這樣的數據

票號：123456789； 位置編號：ABC123； 類型：網絡；

票號132123456，地點ID：ABC444； 類型：應用程序

票號#222256789； 位置編號：AMC121； 類型：網絡；

我正在嘗試這樣

new = data["Description"].str.split(";", n = 1, expand = True)
data["Ticket"]= new[0]
data["Location"]= new[1]  
data["Type"]= new[2]

# Dropping old  columns
data.drop(columns =["Description"], inplace = True)

我可以根據“;”分開但是如何為兩者做“;” 和 ”，”？

Answer 1

一個更通用的解決方案，它允許您舒適地執行盡可能多的處理。 讓我們首先定義一個示例 dataframe 以便於調試：

df = pd.DataFrame({'Description': [
    'Ticket NO: 123456789 , Location ID:ABC123; Type:Network;',
    'Ticket NO: 123456789 ; Location ID:ABC123; Type:Network;']})

然后，讓我們定義我們的處理 function，在這里你可以做任何你喜歡的事情：

def process(row):
    parts = re.split(r'[,;]', row)
    return pd.Series({'Ticket': parts[0], 'Location': parts[1], 'Type': parts[2]})

除了按,; 然后分成 3 個部分，您可以添加將去除空白字符的代碼，刪除冒號左側的任何內容等。例如，嘗試：

def process(row):
    parts = re.split(r'[,;]', row)
    data = {}
    for part in parts:
        for field in ['Ticket', 'Location', 'Type']:
            if field.lower() in part.lower():
                data[field] = part.split(':')[1].strip()
    return pd.Series(data)

最后，申請得到結果：

df['Description'].apply(process)

這比在單個正則表達式中完成所有事情更具可讀性和易於維護性，尤其是當您最終可能需要額外的處理時。

此應用程序的 output 將如下所示：

要將這個 output 添加到原始 dataframe 中，只需運行：

df[['Ticket', 'Location', 'Type']] = df['Description'].apply(process)

Answer 2

您可以使用

new = data["Description"].str.split("[;,]", n = 2, expand = True)
new.columns = ['Ticket', 'Location', 'Type']

Output：

>>> new
                  Ticket             Location            Type
0  Ticket NO: 123456789    Location ID:ABC123   Type:Network;
1   Ticket No. 132123456   Location ID:ABC444        Type:App
2       Tickt#222256789    Location ID:AMC121   Type:Network;

[;,]正則表達式匹配任一; 或 a , char 和n=2將最大拆分設置為兩次。

另一個正則表達式Series.str.extract解決方案：

new[['Ticket', 'Location', 'Type']] = data['Description'].str.extract(r"(?i)Ticke?t\D*(\d+)\W*Location ID\W*(\w+)\W*Type:(\w+)")
>>> new
      Ticket Location     Type
0  123456789   ABC123  Network
1  132123456   ABC444      App
2  222256789   AMC121  Network
>>> 

請參閱正則表達式演示。 詳情：

• (?i) - 不區分大小寫的標志
• Ticke Ticke?t - 帶有可選e的Ticket
• \D* - 零個或多個非數字字符
• (\d+) - 第 1 組：一位或多位數字
• \W* - 零個或多個非單詞字符
• Location ID - 一個字符串
• \W* - 零個或多個非單詞字符
• (\w+) - 第 2 組：一個或多個單詞字符
• \W* - 零個或多個非單詞字符
• Type: - 一個字符串
• (\w+) - 第 3 組：一個或多個單詞字符

Answer 3

一種使用str.extract的方法

前任：

df[['Ticket', 'Location', 'Type']] = df['Description'].str.extract(r"[Ticket\sNO:.#](\d+).*ID:([A-Z0-9]+).*Type:([A-Za-z]+)", flags=re.I)
print(df[['Ticket', 'Location', 'Type']])

Output：

      Ticket Location     Type
0  123456789   ABC123  Network
1  132123456   ABC444      App
2  222256789   AMC121  Network