pandas dataframe函数 pandas dataframe

本文介绍如何使用Pandas动态动态DataFrame中的多个列按照相同分隔符进行分割。通过循环遍历需要分割的列，并结合str.split() 和 pd.concat()函数，可以地完成列分割任务，手动指定每一列的高效分割操作，适用于处理有不定数量分隔符的列。

在数据处理过程中，会经常遇到需要指定指定分割符分割DataFrame中多个列的情况。手动为每个列分割代码不仅繁琐，而且当需要分割的列数据稀疏时，代码的可维护性大规模提升。本文将介绍一种动态分割DataFrame列的方法，通过循环重新分割需要的列，并结合Pandas提供的字符串分割函数，可以高效地完成任务。

实现方法确定需要分割的列：首先，需要显式DataFrame中哪些需要进行列分割。将这些列名存储在一个列表中。循环遍历列名列表：用于 循环遍历列名列表，对每一列执行分割操作。使用str.split()分割列：在循环中，使用Pandas的str.split()函数指定分割符分割当前列。设置expand=True将分割后的结果展开为新的列。重命名分割后的列：为了分割分割后的列，可以使用rename()函数为它们添加后缀。例如，可以将原始列名分开，加上分割后的列作为索引。 pd.concat() 合并结果：将分割后的 DataFrame 与原始 DataFrame 中不需要分割的列合并。使用 pd.concat() 函数，并设置 axis=1，表示按列合并。

代码示例 import pandas as pd# 样本Datadata = {'DATE'： ['2023-11-21'， '2023-11-21'， '2023年11月21日'， '2023年11月21日'， '2023-11-21']， 'TALK_TIME'： [None， '00：04：16'， None， '00：24：30'， '00：04：08']， 'CONSULT_TIME'： ['05：10'， None， None， None， None]}df = pd.DataFrame(data)# 需要分割的列名列表 cols = ['TALK_TIME'， 'CONSULT_TIME']# 分割并重命名列lst = [df[col].str.split('：'， Expand=True) .rename(columns=lambda x： f'{col}_{x 1}') for col in cols ]# 合并结果out = pd.concat([df.drop(columns=cols)] lst， axis=1)# 输出结果print(out)登录后复制

代码解释cols = ['TALK_TIME'，'CONSULT_TIME']：定义需要分割的列的列表。lst = [...]：使用列表推导方式，循环遍历cols中的每一列。

df[col].str.split('：'，expand=True)：使用str.split()函数按照冒号：分割当前列，expand=True将分割后的结果展开为新的列。.rename(columns=lambda x：f'{col}_{x 1}')：使用rename()函数重命名分割后的列，将原始列名作为另外的索引，加上分割后的列的索引。out = pd.concat([df.drop(columns=cols)] lst， axis=1)：使用 pd.concat() 函数将分割后的 DataFrame 与原始 DataFrame 中不需要分割的列合并。df.drop(columns=cols) 删除原始的需要分割的列，axis=1 表示按列合并。

注意事项确保 DataFrame 中需要分割的列是字符串类型。如果不是，可以使用 astype(str)将其转换为字符串类型。如果分隔符在某些行中不存在，str.split() 函数会返回 NaN 可以使用 fillna() 函数填充这些 NaN 值。根据实际需求调整列名的重命名规则。

总结

本文介绍了一种动态分割 Pandas DataFrame 中多个列的方法。通过循环遍历需要分割的列，并结合 str.split() 和 pd.concat()函数，可以地完成列分割任务。方法避免了手动指定每一列的高效分割操作，提高了这种代码的可维护性和可重用性。

以上就是使用Pandas动态分割DataFrame中的多列的详细内容，更多请关注乐哥常识网其他相关文章！