在存在 NaN 的情况下将 pandas 列拆分为新列
Posted
技术标签:
【中文标题】在存在 NaN 的情况下将 pandas 列拆分为新列【英文标题】:Split pandas column into new columns in presence of NaN 【发布时间】:2015-04-07 03:20:11 【问题描述】:我有一个 Pandas DataFrame,其中包含一个字符串列,需要拆分为两个单独的列。我在this 问题上找到的使用tolist
的答案就像一个魅力,除非我的专栏包含NaN。下面的摘录描述了困难:
import pandas as pd
import numpy as np
# Example DataFrame
df = pd.DataFrame([[25.0, '34.2/ 18.1', 'one'],
[32.6, '28.6/ 17.9', 'two'],
[12.5, '30.1/ 17.6', 'three']], columns=['A', 'B', 'C'])
df2 = df.copy()
# This method works when all data are present
df['D'] = pd.DataFrame(df['B'].str.split('/').tolist())[1]
# However, when there are NaNs:
df2['B'][0] = np.nan
# This line fails
df2['D'] = pd.DataFrame(df2['B'].str.split('/').tolist())[1]
它给了我一个KeyError
,因为中间的DataFrame只有一列,表明去一个列表然后返回的麻烦已经没有任何作用了:
0
0 NaN
1 [28.6, 17.9]
2 [30.1, 17.6]
我尝试先通过pd.DataFrame(df2['B'].str.split('/').dropna().tolist())
删除 NaN,但随后我丢失了索引...我需要将 NaN 保持在索引 0。我还考虑过以某种方式在创建中间 DataFrame 强制两列,但我没有运气。
这就是我需要我的数据在 df2 中的样子:
A B C D
0 25.0 NaN one NaN
1 32.6 28.6/ 17.9 two 17.9
2 12.5 30.1/ 17.6 three 17.6
有没有办法在不使用列表作为中介的情况下做到这一点?或者以某种方式处理 NaN?
【问题讨论】:
【参考方案1】:The str.extract
method 允许您提供正则表达式模式。模式中的每个组都作为单独的列返回。找不到匹配项时使用NaN
:
df2['D'] = df2['B'].str.extract(r'/(.*)')
print(df2)
产量
A B C D
0 25.0 NaN one NaN
1 32.6 28.6/ 17.9 two 17.9
2 12.5 30.1/ 17.6 three 17.6
请注意,如果您希望将 D
列视为浮点数,那么您还需要调用 astype
:
df2['D'] = df2['D'].astype('float')
【讨论】:
优秀。我只是在str
方法上加快速度,但是这个看起来对于解析我将来看到的一些更复杂的文件非常有用(当你无法控制文件时很方便格式...)【参考方案2】:
如果您在拆分后再次使用str
访问器(而不是使用tolist()
并制作另一个DataFrame),则可以继续使用您的方法:
>>> df2['D'] = df2['B'].str.split('/').str[-1]
>>> df2
A B C D
0 25.0 NaN one NaN
1 32.6 28.6/ 17.9 two 17.9
2 12.5 30.1/ 17.6 three 17.6
如果索引不存在,则返回 NaN
,而不是引发错误。
【讨论】:
完美!我没有意识到您可以像这样使用str
- 这两个答案都非常好,因为它们不需要tolist()
有趣的业务。
这大约是我建议的 str.extract
方法的两倍(尤其是在应用于更大的 DataFrame 时)。以上是关于在存在 NaN 的情况下将 pandas 列拆分为新列的主要内容,如果未能解决你的问题,请参考以下文章
仅在特定条件下将 NaN 替换为“-”符号,Python-Pandas
pandas生成新的累加数据列pandas生成新的累加数据列(数据列中包含NaN的情况)pandas计算整个dataframe的所有数据列的累加