Python - CSV 文件中的列包含多個分隔符和結果

Question

我有一個相當大的 CSV 文件，它有多個列（沒有分隔符）和一個包含使用三個分隔符的結果的列。

主要分隔符是“;”，它分隔結果的天數。

第二個分隔符是“:”，它分隔每天的結果（我只使用 6 個結果中的 2 個）。

第三個分隔符是“/”，它將結果日期和結果的日歷值分開。

我想盡可能避免遍歷“X&Y”列，因為該列本身包含許多分隔的結果，並且有很多行。

第 1 列	Col2	XY
一種	乙	20200331/1D::::1:2;20200401/2D::::3:4;20200402/3D::::5:6
機管局	BB	20210330/1Y::::11:22;20220330/2Y::::33:44;20230330/3Y::::55:66

我想看看：

第 1 列	Col2	日期	日歷值	X	是
一種	乙	20200331	一維	1	2
一種	乙	20200401	二維	3	4
一種	乙	2020040	3D	5	6
機管局	BB	20210330	1年	11	22
機管局	BB	20220330	2年	33	44
機管局	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

這里是一個解決方案，您可以嘗試一下，拆分基於分隔符(;)隨后explode轉變為行。 接着是extract & 最后concat幀以獲得結果幀。

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