如何有条件地拆分熊猫的列

Question

我有一个日志 df，在那个 df 我有列描述。好像。DescriptionMachine x : Turn offAnother action hereAnother action hereMachine y : Turn offMachine x : Turn onAnother action here我只需要用“：”分割行喜欢：Description               Machine           ActionMachine x : Turn off      Machine x         Turn offAnother action hereAnother action hereMachine y : Turn off      Machine y         Turn offMachine x : Turn on       Machine x         Turn onAnother action here我已经尝试过：s = df["Description"].apply(lambda x:x.split(":"))df["Action"] = s.apply(lambda x: x[1])df["Machine"] = s.apply(lambda x: x[0])还有一些带有“startswith”的东西。

Answer 1

您可以使用str.extract合适的regex. 这将找到周围的所有值:（也去除冒号周围的空格）：

df[['Machine', 'Action']] = df.Description.str.extract('(.*) : (.*)',expand=True)

>>> df

            Description    Machine    Action

0  Machine x : Turn off  Machine x  Turn off

1   Another action here        NaN       NaN

2   Another action here        NaN       NaN

3  Machine y : Turn off  Machine y  Turn off

4   Machine x : Turn on  Machine x   Turn on

5   Another action here        NaN       NaN

# df[['Machine', 'Action']] = df.Description.str.extract('(.*) : (.*)',expand=True).fillna('')

Answer 2

只需使用split与expand=True

df[['Machine', 'Action']] =df.Description.str.split(':',expand=True).dropna()

df

            Description     Machine     Action

0  Machine x : Turn off  Machine x    Turn off

1   Another action here         NaN        NaN

2   Another action here         NaN        NaN

3  Machine y : Turn off  Machine y    Turn off

4   Machine x : Turn on  Machine x     Turn on

5   Another action here         NaN        NaN

Answer 3

给定一个数据框

>>> df

            Description

0  Machine x : Turn off

1   Another action here

2   Another action here

3  Machine y : Turn off

4   Machine x : Turn on

5   Another action here

我会通过Series.str.split(splitter, expand=True).

>>> has_colon = df['Description'].str.contains(':')

>>> df[['Machine', 'Action']] = df.loc[has_colon, 'Description'].str.split('\s*:\s*', expand=True)

>>> df

            Description    Machine    Action

0  Machine x : Turn off  Machine x  Turn off

1   Another action here        NaN       NaN

2   Another action here        NaN       NaN

3  Machine y : Turn off  Machine y  Turn off

4   Machine x : Turn on  Machine x   Turn on

5   Another action here        NaN       NaN

如果您更喜欢空字符串，可以NaN通过以下方式替换单元格

>>> df.fillna('')

            Description    Machine    Action

0  Machine x : Turn off  Machine x  Turn off

1   Another action here                     

2   Another action here                     

3  Machine y : Turn off  Machine y  Turn off

4   Machine x : Turn on  Machine x   Turn on

5   Another action here