Skip to main content
 首页 » 编程设计

python之Pandas :在分隔符上将列拆分为 n 个新列

2025年02月15日9shangdawei

我有一个 Dataframe,其中某些列中有多个值,总是由 , 分隔。

df = pd.DataFrame([['', 'mariachi', 'mexico, united states'], 
                   ['', 'jazz, rap', 'united states'], 
                   ['', '', 'spain'], 
                   ['jimi hendrix, john lennon', 'rock', ''], 
                   ['spirit', '', 'united states'], 
                   ['', 'latin', 'united states'], 
                   ['', '', ''], 
                   ['speak', '', 'mexico, united states']],  
                   columns=['Musician', 'Genre', 'Country']) 
 
 
                        Musician          Genre                   Country 
   1                         NaN       mariachi     mexico, united states 
   2                         NaN      jazz, rap             united states 
   3                         NaN            NaN                     spain 
   4   jimi hendrix, john lennon           rock                       NaN 
   5                      spirit            NaN             united states 
   6                         NaN          latin             united states 
   7                         NaN            NaN                       NaN 
   8                       speak            NaN     mexico, united states 

如何将列拆分为 n 列,每列仅包含一个变量?

例如:

          Musician       Musician2          Genre      Genre2          Country         Country2 
   1           NaN             NaN       mariachi         NaN           mexico    united states 
   2           NaN             NaN           jazz         rap    united states              NaN 
   3           NaN             NaN            NaN         NaN            spain              NaN 
   4  jimi hendrix     john lennon           rock         NaN              NaN              NaN 
   5        spirit             NaN            NaN         NaN    united states              NaN 
   6           NaN             NaN          latin         NaN    united states              NaN 
   7           NaN             NaN            NaN         NaN              NaN              NaN 
   8         speak             NaN            NaN         NaN           mexico    united states 

请您参考如下方法:

我认为您可以将 list comprehension 与 str.split 一起使用和 concat ,然后通过 map 和 join 删除列中的 Multiindex 和 last replace所有空的 strings 和 None 到 NaN:

cols = ['Musician','Genre','Country'] 
df = pd.concat([df[x].str.split(',', expand=True) for x in cols], axis=1, keys=df.columns) 
df.columns = df.columns.map(lambda x: '_'.join((x[0], str(x[1])))) 
df = df.replace({'':np.nan, None:np.nan}) 
print (df) 
     Musician_0    Musician_1   Genre_0 Genre_1      Country_0       Country_1 
0           NaN           NaN  mariachi     NaN         mexico   united states 
1           NaN           NaN      jazz     rap  united states             NaN 
2           NaN           NaN       NaN     NaN          spain             NaN 
3  jimi hendrix   john lennon      rock     NaN            NaN             NaN 
4        spirit           NaN       NaN     NaN  united states             NaN 
5           NaN           NaN     latin     NaN  united states             NaN 
6           NaN           NaN       NaN     NaN            NaN             NaN 
7         speak           NaN       NaN     NaN         mexico   united states 

如果 DataFrames 中有其他列:

df = pd.DataFrame([['', 'mariachi', 'mexico, united states',5], 
                   ['', 'jazz, rap', 'united states',8], 
                   ['', '', 'spain',8], 
                   ['jimi hendrix, john lennon', 'rock', '',1], 
                   ['spirit', '', 'united states',7], 
                   ['', 'latin', 'united states',1], 
                   ['', '', '',0], 
                   ['speak', '', 'mexico, united states',3]],  
                   columns=['Musician', 'Genre', 'Country', 'Val']) 
print (df) 
                    Musician      Genre                Country  Val 
0                              mariachi  mexico, united states    5 
1                             jazz, rap          united states    8 
2                                                        spain    8 
3  jimi hendrix, john lennon       rock                           1 
4                     spirit                     united states    7 
5                                 latin          united states    1 
6                                                                 0 
7                      speak             mexico, united states    3 

最后您可以concat 列,这些列没有拆分:

cols = ['Musician','Genre','Country'] 
df1 = pd.concat([df[x].str.split(',', expand=True) for x in cols], axis=1, keys=df.columns) 
df1.columns = df1.columns.map(lambda x: '_'.join((x[0], str(x[1])))) 
df1 = df1.replace({'':np.nan, None:np.nan}) 
print (df1) 
     Musician_0    Musician_1   Genre_0 Genre_1      Country_0       Country_1 
0           NaN           NaN  mariachi     NaN         mexico   united states 
1           NaN           NaN      jazz     rap  united states             NaN 
2           NaN           NaN       NaN     NaN          spain             NaN 
3  jimi hendrix   john lennon      rock     NaN            NaN             NaN 
4        spirit           NaN       NaN     NaN  united states             NaN 
5           NaN           NaN     latin     NaN  united states             NaN 
6           NaN           NaN       NaN     NaN            NaN             NaN 
7         speak           NaN       NaN     NaN         mexico   united states 

df2 = pd.concat([df1, df.drop(cols, axis=1)],axis=1) 
print (df2) 
     Musician_0    Musician_1   Genre_0 Genre_1      Country_0  \ 
0           NaN           NaN  mariachi     NaN         mexico    
1           NaN           NaN      jazz     rap  united states    
2           NaN           NaN       NaN     NaN          spain    
3  jimi hendrix   john lennon      rock     NaN            NaN    
4        spirit           NaN       NaN     NaN  united states    
5           NaN           NaN     latin     NaN  united states    
6           NaN           NaN       NaN     NaN            NaN    
7         speak           NaN       NaN     NaN         mexico    
 
        Country_1  Val   
0   united states    5   
1             NaN    8   
2             NaN    8   
3             NaN    1   
4             NaN    7   
5             NaN    1   
6             NaN    0   
7   united states    3