Skip to main content
 首页 » 编程设计

Python之按分隔符拆分多列

2025年05月04日7wayfarer

注意:我是 Python 的初学者,几天前才开始使用 Pandas。我有 R 背景。

我正在尝试拆分 pandas DataFrame,但似乎一次只能通过一个定界符拆分一列。

我的数据是这样的:

                          0         1             2            3  \ 
0    chr4:43571332-43571643  numsnp=3    length=312  state1,cn=0    
1  chr5:179618873-179628421  numsnp=8  length=9,549  state1,cn=0    
 
                  4                 5               6   
0  CCCC.A_1_TR27GD1  startsnp=S-3TZTE  endsnp=S-4NDOX   
1  CCCC.A_1_TR27GD1  startsnp=S-3IDBJ  endsnp=S-4AKVJ  

我希望我的输出看起来像这样:

  Chromosome      Start        End NumSNP Length StartSNP   EndSNP 
0          4   43571332   43571643      3    312  S-3TZTE  S-4NDOX 
1          5  179618873  179628421      8  9,549  S-3IDBJ  S-4AKVJ 

我知道这很多,但这涉及以下内容:

  • 按 : 和 -.... 拆分第 0 列,同时删除“chr”
  • 拆分列 1、2、5、6
  • 重命名和重新排序列
  • 等等

问题: 我已经能够使用下面的代码来做到这一点,但希望获得一些关于更高效代码的指导。

import pandas as pd 
 
CNV = pd.read_csv('CCCC_cnv_practice.rawcnv', delimiter="\s+", engine='python', header=None) 
 
#Get Chromosomes 
ChrPos = pd.DataFrame(CNV[0].str.split(':',1).tolist(), columns = ['Chromosome','Position']) 
Chromosome = ChrPos['Chromosome'].str.lstrip('chr') 
 
#Get Start and End Positions 
Positions = pd.DataFrame(ChrPos.Position.str.split('-',1).tolist(), columns = ['Start','End']) 
 
#Get the Numsnp, Length, StartSNP, and EndSNP columns 
Equals1 = CNV.iloc[:,1:3] 
Equals2 = CNV.iloc[:,5:] 
Equals = Equals1.join(Equals2) 
 
TEST1 = pd.DataFrame(Equals[1].str.split('=',1).tolist()) 
TEST2 = pd.DataFrame(Equals[2].str.split('=',1).tolist()) 
TEST3 = pd.DataFrame(Equals[5].str.split('=',1).tolist()) 
TEST4 = pd.DataFrame(Equals[6].str.split('=',1).tolist()) 
 
#Put it all together 
frames = [Chromosome, Positions, TEST1[1], TEST2[1], TEST3[1], TEST4[1]] 
Data = pd.concat(frames, axis=1) 
Data.columns = ['Chromosome', 'Start', 'End', 'NumSNP', 'Length', 'StartSNP', 'EndSNP'] 

请您参考如下方法:

我认为你可以使用:

print df 
                          0         1             2            3  \ 
0    chr4:43571332-43571643  numsnp=3    length=312  state1,cn=0    
1  chr5:179618873-179628421  numsnp=8  length=9,549  state1,cn=0    
 
                  4                 5               6   
0  CCCC.A_1_TR27GD1  startsnp=S-3TZTE  endsnp=S-4NDOX   
1  CCCC.A_1_TR27GD1  startsnp=S-3IDBJ  endsnp=S-4AKVJ   
 
#new empty dataframe     
df1 = pd.DataFrame() 
df1[['Chromosome', 'tmp']] = pd.DataFrame([ x.split(':') for x in df[0].tolist() ]) 
df1[['Start', 'End']] = pd.DataFrame([ x.split('-') for x in df1['tmp'].tolist() ]) 
 
#tmp is temporary column    
df1[['tmp', 'NumSNP']]   = pd.DataFrame([ x.split('=') for x in df[1].tolist() ]) 
df1[['tmp', 'Length']]   = pd.DataFrame([ x.split('=') for x in df[2].tolist() ]) 
df1[['tmp', 'StartSNP']] = pd.DataFrame([ x.split('=') for x in df[5].tolist() ]) 
df1[['tmp', 'EndSNP']]   = pd.DataFrame([ x.split('=') for x in df[6].tolist() ]) 
 
df1['Chromosome'] = df1['Chromosome'].str.lstrip('chr') 
 
#delete tmp column     
df1 = df1.drop(['tmp'], axis=1) 
print df1 
 
#  Chromosome      Start        End NumSNP Length StartSNP   EndSNP 
#0          4   43571332   43571643      3    312  S-3TZTE  S-4NDOX 
#1          5  179618873  179628421      8  9,549  S-3IDBJ  S-4AKVJ