如何根据包含的文本值将熊猫数据框列拆分为多列

Question

假设有如下列。df = pd.DataFrame(['A-line B-station 9-min C-station 3-min',                   'D-line E-station 8-min F-line G-station 5-min',                   'G-line H-station 1-min I-station 6-min J-station 8-min'],                    columns=['station'])A,B,C 只是任意字符，并且有很多这样的行。                                             station0             A-line B-station 9-min C-station 3-min1      D-line E-station 8-min F-line G-station 5-min2  G-line H-station 1-min I-station 6-min J-stati...我们如何制作如下所示的列？   Line1     Station1-1   Station1-2 Station1-3   Line2    Station2-10  A-line    B-station    C-station    null       null     null1  D-line    E-station    null         null       F-line   G-station2  G-line    H-station    I-station    J-station  null     nullstationX-X 表示Station（线路号）-（车站顺序）Station1-1 表示第一行（line1）的第一站Station1-2 表示第一行（line1）的第二站Station2-1 表示二线（line2）的第一站我试图按分隔符分割；但是，它不起作用，因为每一行都有不同数量的线路和车站。我可能需要的是根据所包含的字符拆分列。例如，我可以将第一个“-line”存储到 Line1，并将第一个“-station”存储到 station1-1。有没有人有任何想法如何做到这一点？任何小想法都可以帮助我！

Answer 1

首先Series用Series.str.splitand创建DataFrame.stack：

s = df['station'].str.split(expand=True).stack()

min然后删除以by boolean indexingwith结尾的值Series.str.endswith：

df1 = s[~s.str.endswith('min')].to_frame('data').rename_axis(('a','b'))

line然后为s 和为station具有过滤和 的行创建计数器GroupBy.cumcount：

df1['Line'] = (df1[df1['data'].str.endswith('line')]

                         .groupby(level=0)

                         .cumcount()

                         .add(1)

                         .astype(str))

df1['Line'] = df1['Line'].ffill()

df1['station'] = (df1[df1['data'].str.endswith('station')]

                         .groupby(['a','Line'])

                         .cumcount()

                         .add(1)

                         .astype(str))

使用连接创建系列，将缺失值替换df1['Line']为Series.fillna：

df1['station'] = (df1['Line'] + '-' + df1['station']).fillna(df1['Line'])

DataFrame.set_index通过重塑DataFrame.unstack：

df1 = df1.set_index('station', append=True)['data'].reset_index(level=1, drop=True).unstack()

Rename列名 - 之前不是为了避免错误排序：

df1 = df1.rename(columns = lambda x: 'Station' + x if '-' in x else 'Line' + x)

删除列名：

df1.columns.name = None

df1.index.name = None

print (df1)

    Line1 Station1-1 Station1-2 Station1-3   Line2 Station2-1

0  A-line  B-station  C-station        NaN     NaN        NaN

1  D-line  E-station        NaN        NaN  F-line  G-station

2  G-line  H-station  I-station  J-station     NaN        NaN