使用 Pandas 分割 DataFrame 行：处理多列相同分隔符的情况

本文介绍如何使用 Pandas 处理 DataFrame 中多列包含相同分隔符的情况，目标是将包含分隔符的行拆分为多行，同时保持其他列的值不变。通过 stack 和 ffill 方法，可以高效地实现这一目标，避免出现 NaN 值，并确保数据的准确性。

DataFrame 行分割技巧

在数据处理过程中，经常会遇到 DataFrame 的某些列包含多个值，这些值通过特定的分隔符连接在一起。例如，一个 DataFrame 的 "Lines" 列可能包含多个公交线路，以逗号或分号分隔。为了进行更细粒度的分析，需要将这些行分割成多行，每行包含一个值。

问题描述

假设有一个 DataFrame，其中某些列的值包含分隔符（例如 ;）。需要将包含分隔符的行分割成多行，如果一行中的多列包含相同数量的分隔符，则应只分割一次，并将其他列的值相应地复制到新行。对于不包含分隔符的列，只需复制原始值。

解决方案

以下是一个使用 Pandas 解决此问题的示例代码：

import pandas as pd

data = {'ID': [34, 35],
        'Name': ['Alt-Tempelhof Ecke Tempelhofer Damm', 'Alt-Wittenau'],
        'Type': ['bus', 'bus'],
        'Lines': ['A77,A68,A76', 'A62 ; A15,A21'],
        'Coordinates': ['52.465964306830664, 13.38558297633417', '52.58972877186178, 13.334169215342472 ; 52.59166508975595, 13.326326895395114'],
        'Extra': [None, 'Alt-Wittenau Ecke Oranienburger Straße ; Alt-Wittenau Ecke Eichborndamm']}

df = pd.DataFrame(data)

split_df = pd.concat([df[col].astype(str).str.split(';', expand=True).stack().str.strip() for col in df.columns], axis=1, keys=df.columns)
split_df = split_df.groupby(level=0).ffill().reset_index(drop=True)

print(split_df)

代码解释：

SpeakingPass-打造你的专属雅思口语语料

使用chatGPT帮你快速备考雅思口语，提升分数

25

查看详情

1. 数据准备： 创建一个示例 DataFrame，其中包含需要分割的列。
2. 分割列： 使用 str.split(';', expand=True).stack().str.strip() 方法将每一列的值按照分隔符 ; 分割成多行，并将结果堆叠在一起。expand=True 参数将分割后的值放入不同的列中，stack() 方法将这些列堆叠成一个 Series，str.strip() 用于去除分割后值的首尾空格。
3. 合并分割后的列： 使用 pd.concat() 函数将分割后的 Series 合并成一个新的 DataFrame。axis=1 参数表示按列合并，keys=df.columns 参数用于指定合并后的 DataFrame 的列名。
4. 填充缺失值： split_df.groupby(level=0).ffill().reset_index(drop=True) 通过 groupby(level=0) 将数据按照原始行的索引进行分组，然后使用 ffill() 方法向前填充缺失值。这确保了对于没有分隔符的列，原始值会被复制到新行。reset_index(drop=True) 重置索引。

结果

运行上述代码将得到以下结果：

   ID                                 Name Type        Lines                             Coordinates                                    Extra
0  34  Alt-Tempelhof Ecke Tempelhofer Damm  bus  A77,A68,A76  52.465964306830664, 13.38558297633417                                    None
1  35                         Alt-Wittenau  bus          A62  52.58972877186178, 13.334169215342472  Alt-Wittenau Ecke Oranienburger Straße
2  35                         Alt-Wittenau  bus      A15,A21  52.59166508975595, 13.326326895395114          Alt-Wittenau Ecke Eichborndamm

可以看到，原始 DataFrame 中包含分隔符的行已被分割成多行，并且其他列的值已正确地复制到新行。

注意事项

• 分隔符的选择： 在使用 str.split() 方法时，需要根据实际情况选择正确的分隔符。
• 数据类型： 确保需要分割的列的数据类型为字符串类型。如果不是，可以使用 astype(str) 方法进行转换。
• 缺失值处理： 在分割列之后，可能会出现缺失值。可以使用 ffill() 或其他适当的方法填充缺失值。

总结

通过使用 Pandas 的 str.split()、stack() 和 ffill() 方法，可以高效地分割 DataFrame 中包含分隔符的行，并保持其他列的值不变。这种方法适用于处理各种包含分隔符的数据，例如地址、线路、标签等。掌握这些技巧可以帮助你更好地处理和分析数据。

以上就是使用 Pandas 分割 DataFrame 行：处理多列相同分隔符的情况的详细内容，更多请关注php中文网其它相关文章！