在 Python 中通过多个分隔符将一列分成两列

Posted 2023-03-12

【中文标题】在 Python 中通过多个分隔符将一列分成两列

【英文标题】：Split one colum into two by multiple delimiter characters in Python

【发布时间】：2020-05-23 06:23:39

【问题描述】：

对于具有words 列的示例数据框，我想将每一行按llo 或lut 拆分为两列：words1 和words2。

                 words
0           helloworld
1          hellomadame
2           salutmonde
3          salutmadame
4    englishhelloworld
5   englishhellomadame
6   francaissalutmonde
7  francaissalutmadame

我怎样才能得到以下输出？谢谢。

          words1  words2
0          hello   world
1          hello  madame
2          salut   monde
3          salut  madame
4   englishhello   world
5   englishhello  madame
6  francaissalut   monde
7  francaissalut  madame

我尝试使用df.words.str.split('llo | lut', expand=True)，但没有成功。有人可以帮忙吗？非常感谢。

                     0
0           helloworld
1          hellomadame
2           salutmonde
3          salutmadame
4    englishhelloworld
5   englishhellomadame
6   francaissalutmonde
7  francaissalutmadame

【问题讨论】：

您可以通过调用Series.str.split 获得结果，请参阅this answer。

【参考方案1】：

使用Series.str.replace，在字符串llo 或lut 后添加空格，然后使用Series.str.split：

df = df['words'].str.replace('(llo|lut)', r'\1 ', n=1).str.split(expand=True)
df.columns=['words1','words2']
print (df)
          words1           words2
0          hello            world
1          hello           madame
2          salut            monde
3          salut           madame
4   englishhello            world
5   englishhello           madame
6  francaissalut            monde
7  francaissalut           madame

【讨论】：

@ahbon - 引用(llo|lut) - 在llo 或lut 之后添加空格

@ahbon - 我认为问题应该是多个llo 或lut，如果想先拆分llo 或lut 使用df = df['words'].str.replace('(llo|lut)', r'\1 ', n=1).str.split(expand=True).add_prefix('words')

得到它，如何拆分和设置名称而不是add_prefix？

对不起，我的数据中除了words之外还有其他列，所以我不想将df['words'].str.replace('(llo|lut)', r'\1 ', n=1).str.split(expand=True)设置为df。我可以在保留其他列的同时拆分 words 吗？

@ahbon - 当然，使用df[['words1','words2']] = df['words'].str.replace('(llo|lut)', r'\1 ', n=1).str.split(expand=True)

【参考方案2】：

不是一个非常 Pythonic 和高效的解决方案，但这样就可以了

df = df.words.str.split('(llo|lut)', expand=True)
df[0] = df[0] + df[1]
df = df.drop(1, axis = 1)
df = df.rename(columns = 0 : "words1", 2 : "words2")

这将输出

    words1             words2
0   hello              world
1   hello              madame
2   salut              monde
3   salut              madame
4   englishhello       world
5   englishhello       madame
6   francaissalut      monde
7   francaissalut      madame

在重命名中，字典键必须是 0 和 2，因为连接后，数据框看起来像

    0              1    2
0   hello          llo  world
1   hello          llo  madame
2   salut          lut  monde
3   salut          lut  madame
4   englishhello   llo  world
5   englishhello   llo  madame
6   francaissalut  lut  monde
7   francaissalut  lut  madame

删除第1列后，它变成了

    0               2
0   hello           world
1   hello           madame
2   salut           monde
3   salut           madame
4   englishhello    world
5   englishhello    madame
6   francaissalut   monde
7   francaissalut   madame

列名是 0 和 2，因此完成了 0 和 2 的重命名。希望这会有所帮助！

【参考方案3】：

只需使用单个正则表达式来拆分列：

(?<=l(?:lo|ut))
(?<=llo|lut)

请参阅regex demo。该模式是一个正向的向后查找，它匹配紧接在llo 或lut 之前的位置。

Python 演示：

import pandas as pd

df = pd.DataFrame("words": ["helloworld","hellomadame","salutmonde","salutmadame","englishhelloworld","englishhellomadame","francaissalutmonde","francaissalutmadame"])

df = df['words'].str.split(r'(?<=l(?:lo|ut))', expand=True)
df.columns=['words1','words2']

输出：

>>> df
          words1  words2
0          hello   world
1          hello  madame
2          salut   monde
3          salut  madame
4   englishhello   world
5   englishhello  madame
6  francaissalut   monde
7  francaissalut  madame