在python中拆分键值字符串并将其移动到df列中

Posted 2023-03-12

【中文标题】在python中拆分键值字符串并将其移动到df列中

【英文标题】：Split key value string in python and move it in a df column

【发布时间】：2019-08-04 23:08:25

【问题描述】：

这是我拥有的列，我想拆分为键值并存储在 pandas df 的新列中。

"FontStyle"=>"Gill Sans Standard", "FontSize"=>"Medium (3mm)"
"Font Style"=>"Gill Sans Standard","Font Size"=>"Medium (3mm)"
"Font Style":"Script","Font Size":"Medium (3mm)"
"Font Style"=>"Gill Sans Standard","Font Size"=>"Medium (3mm)"
"Font Style":"Gill Sans Standard","Font Size":"Medium (3mm)"

主要问题是其中一些有 '=>' 而另一些有冒号

我想要 df 中的两个新列，一个用于字体样式，另一个用于字体大小以及其中的尊重值

如果有人可以帮助我实现这一点，那就太好了，而且如果您可以向我推荐一些关于正则表达式的书籍/教程，那就太好了。

谢谢

【问题讨论】：

你需要的输出是什么，能不能也提一下？

【参考方案1】：

到目前为止，这不是最有效的代码，但它可以完成工作。

import pandas as pd
import ast

text = '''"FontStyle"=>"Gill Sans Standard", "FontSize"=>"Medium (3mm)"
"Font Style"=>"Gill Sans Standard","Font Size"=>"Medium (3mm)"
"Font Style"=>"Script","Font Size"=>"Medium (3mm)"
"Font Style"=>"Gill Sans Standard","Font Size"=>"Medium (3mm)"'''

my_list = []

text = text.replace("FontStyle", "Font Style")
text = text.replace("FontSize", "Font Size")
text = text.replace("=>", ":")
text = text.split("\n")

for one_dict in text:
    my_list.append(ast.literal_eval(one_dict))

df = pd.DataFrame(my_list)
print(df)

以上代码的输出：

      Font Size          Font Style
0  Medium (3mm)  Gill Sans Standard
1  Medium (3mm)  Gill Sans Standard
2  Medium (3mm)              Script
3  Medium (3mm)  Gill Sans Standard

我希望这会有所帮助。 :-) 如果有，请告诉我。

【参考方案2】：

试试这个：

import ast
df['col'] = df['col'].str.replace('=>', ': ').str.replace('FontSize', 'Font Size').str.replace('FontStyle', 'Font Style')
df['col']= df["col"].apply(lambda x : dict(ast.literal_eval(x)))
df1 = df['col'].apply(pd.Series)

【讨论】：

你能告诉我为什么不使用 eval 吗？

【参考方案3】：

我觉得regex这里没必要，用：

import ast

print (df)
                                                 col
0  "FontStyle"=>"Gill Sans Standard", "FontSize"...
1  "Font Style"=>"Gill Sans Standard","Font Size...
2  "Font Style":"Script","Font Size":"Medium (3m...
3  "Font Style"=>"Gill Sans Standard","Font Size...
4  "Font Style":"Gill Sans Standard","Font Size"...
5                                                NaN

---

d = '=>':':', 'FontSize':'Font Size','FontStyle':'Font Style'

regex = '|'.join(r"".format(x) for x in d.keys())
df1 = (df['col'].dropna()
                .str.replace(regex, lambda x: d[x.group()], regex=True)
                .apply(ast.literal_eval))
df2 = pd.DataFrame(df1.values.tolist())[['Font Size','Font Style']].dropna(how='all')
print (df2)
      Font Size          Font Style
0  Medium (3mm)  Gill Sans Standard
1  Medium (3mm)  Gill Sans Standard
2  Medium (3mm)              Script
3  Medium (3mm)  Gill Sans Standard
4  Medium (3mm)  Gill Sans Standard

解释：

首先删除DataFrame.dropna 的缺失行 然后对字典中的值使用Series.str.replace 通过ast.literal_eval将值转换为字典 创建新数据帧 如有必要，仅按列表过滤列并仅移动 NaNs 行

【讨论】：

我收到此错误消息 ` malformed node or string: nan `

该列有 145 个空值

解决方案工作正常，有没有办法将这些列合并为 2？是的，我们需要删除 nan 值

@Vijayaraghavan - 只是看到有必要的多次替换，所以编辑了答案。