【pandas小技巧】--拆分列

一拳一脚

拆分列是pandas中常用的一种数据操作，它可以将一个包含多个值的列按照指定的规则拆分成多个新列，方便进行后续的分析和处理。
拆分列的使用场景比较广泛，以下是一些常见的应用场景：

• 处理日期数据：在日期数据中，经常会将年、月、日等信息合并成一列，通过拆分列可以将其拆分成多个新列，方便进行时间序列分析。
  
• 处理地址数据：类似于日期数据，在地址数据中也经常会将省、市、区等信息合并成一列，通过拆分列可以将其拆分成多个新列，有利于进行地理位置分析。
  
• 处理姓名数据：在一些数据集中，姓名通常会以“姓”、“名”两列呈现，通过拆分列可以将其分别提取出来，方便进行人口统计学分析。
  
• 处理文本数据：在一些文本数据中，可能存在多个关键词同时出现的情况，通过拆分列可以将这些关键词拆分成多个新列，方便进行文本分类或聚类分析。
  

本篇简要介绍下pandas拆分列的常用方法。
1. 拆出列中部分信息

如下测试数据：

1. import pandas as pd
3. df = pd.DataFrame(
4.     {
5.         "姓名": ["张 三", "李 四", "王 五"],
6.         "地址": [
7.             "江苏省,南京市,建邺区",
8.             "浙江省,杭州市,余杭区",
9.             "安徽省,合肥市,庐阳区",
10.         ],
11.     }
12. )
14. df

复制代码

提取姓和城市信息：

1. df["城市"] = df["地址"].str.split(",",
2.                              expand=True)[1]
3. df["姓"] = df["姓名"].str.split(" ",
4.                              expand=True)[0]
5. df

复制代码

注意要加上 expand=True 参数。
因为：

• expand=False：split后的值是Series
  
• expand=True：split后的值是DataFrame
  

2. 拆分成多列

拆分成多列有两种方式：
第一种：

1. df[["省", "市", "区"]] =
2.         df["地址"].str.split(",", expand=True)
3. df

复制代码

第二种：这种方式不需要设置 expand=True

1. df["省"], df["市"], df["区"] =
2.         zip(*df["地址"].str.split(","))
3. df

复制代码

3. 使用正则拆分

除了直接按照字符来split列中的数据，也可以用正则表达式来split。
比如如下的场景，需要对客户的手机号进行保密，可以通过正则表达式来截断手机号，只保留最后四位。

1. df = pd.DataFrame(
2.     {
3.         "单号": ["0001", "0002", "0003"],
4.         "手机号": [
5.             "13900000001",
6.             "18922233344",
7.             "15955566677",
8.         ],
9.     }
10. )
13. df["截断手机号"] = df["手机号"].str.split(
14.     r"\d{7}",
15.     expand=True,
16.     regex=True,
17. )[1]
18. df

复制代码

通过正则表达式，可以更加灵活的拆分列的数据。

来源:https://www.cnblogs.com/wang_yb/p/17602491.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！