dataframe 字符串切割

╰+攻爆jí腚メ 2022-12-23 09:58 453阅读 0赞

**问题：**

现在手中有一表格，其中一列数据长成下列格式：三个元素挤在一个单元格中，现在需要把这三个元素进行分隔开，生成新的三列，该如何办？

![bac4d4372a63b7b200c70c061073952d.png][]

前面介绍了str.split()方法和re.split()方法，利用这两个方法任意一种方法，结合其他的方法，也可以完成工作，但是比较麻烦，具体的实现方式见文末。

这里我们利用pandas的Series.str.split()方法可以很方便的实现。前面文章介绍了Python的内置方法[str.split()][str.split]和 re库中的[re.split()][re.split]方法，现在来介绍一下pandas.Series.str.split()，通过该方法来实现类似于Excel中的分列动作。

在pandas.Series.str.split()方法其实调用了python的内置方法str.split()和re.spilt()：

![ba6423cd786918207f7d784aa9231188.png][]

从源代码中我们可以看到，pandas的str.split()方法确实调用了Python内置方法str.split()与re.split()方法，如果掌握了前两种方法，那pandas的split()方法也就不在话下了。

**pandas.Series.str.split(pat=None, n=-1, expand=False)**的参数如下：

*  **pat：**string 或者 正则表达式，若为空，则为连续的空格，包括（换行符、空格、制表符）
 *  **n：**默认值为-1，若为None, 0 都会被修改成-1（从上图中的源码也能看出来），即能分割多少次就分割多少次，与str.split()的n=-1，re.split()的maxsplit=0一致；
 *  **expand：**决定了分割后的结果是分布在多列（返回DataFrame）还是以列表的形式分布在一列中（返回Series）

参数比较简单，现在我们利用Series.stri.split()方法将下表格中的学生信息进行分割

![bac4d4372a63b7b200c70c061073952d.png][]

import pandas as pd
    df = pd.Series(['张三 一班 00001', '李四 二班 00002', '王五 三班 00003'])
    # 若expand为False，返回Series，只不过将结果以列表的形式存储
    result = df.str.split(pat=None, n=-1, expand=False)  
    print(result)

![98d4078aacf173a71c73f71c5860ed96.png][]

要想完成分列动作，需要设置expand（展开的意思）的值为True

df = pd.Series(['张三 一班 00001', '李四 二班 00002', '王五 三班 00003'])
    # 若expand为True，返回DataFrame,将分列后的结果存储在不同的列中（完成分列动作）
    result = df.str.split(pat=None, n=-1, expand=True).\
             rename(columns={0:'姓名', 1:'班级', 2:'学号'})  
    print(result)

![f56fec8a89396f49146bb215357e7579.png][]

**小结：**

到目前为止，关于字符串的分割介绍了三个方法，有Python的内置方法str.split()，正则表达式re库的re.split()和pandas.Series.str.split()方法。

*  若分隔符比较简单，如为 空格、换行符、某些特定的字符等等，可以直接用[str.split()][str.split]；
 *  若分隔符比较复杂，如有多个不同的分隔符，可以利用[re.split()][re.split]方法会比较简单；
 *  若对表格中的字符串进行处理的话，这时可以优先考虑pandas.Series.str.split()。

**现在我们使用内置方法sr.split()来实现分列的动作：**

df = pd.Series(['张三 一班 00001', '李四 二班 00002', '王五 三班 00003'])
    result = pd.DataFrame(list(df.map(lambda x: x.split()), columns=['姓名', '班级','学号'])
    print(result)

![f56fec8a89396f49146bb215357e7579.png][]

利用Python内置方法亦可以实现分列动作，但是涉及到的方法有list, map, lambda, DataFrame等等，比较麻烦，如果掌握了Series.str.split() 就可以很方便的实现了

[bac4d4372a63b7b200c70c061073952d.png]: /images/20221120/6cde32420f3241ff85eceb95d50392bb.png
[str.split]: https://zhuanlan.zhihu.com/p/92122599
[re.split]: https://zhuanlan.zhihu.com/p/92287240
[ba6423cd786918207f7d784aa9231188.png]: /images/20221120/4d2646d0d7964516b245ed3556cae3a5.png
[98d4078aacf173a71c73f71c5860ed96.png]: https://img-blog.csdnimg.cn/img_convert/98d4078aacf173a71c73f71c5860ed96.png
[f56fec8a89396f49146bb215357e7579.png]: https://img-blog.csdnimg.cn/img_convert/f56fec8a89396f49146bb215357e7579.png