Pandas数据帧,按最后一列的最后一列拆分数据,但保留其他列

Question

对熊猫来说很新,所以对解决方案的任何解释都表示赞赏.

我有一个数据帧,如

    Company                             Zip State City
1   *CBRE                               San Diego, CA 92101
4   1908 Brands                         Boulder, CO 80301
7   1st Infantry Division Headquarters  Fort Riley, KS
10  21st Century Healthcare, Inc.       Tempe 85282
15  AAA                                 Jefferson City, MO 65101-9564

我想将我的数据中的Zip State city列拆分为3个不同的列.使用这篇文章Pandas DataFrame的答案,如何将一个列拆分为两个如果我没有第一列,我可以完成此任务.编写正则表达式来捕获所有公司只会导致我捕获数据中的所有内容.

我也试过了

foo = lambda x: pandas.Series([i for i in reversed(x.split())])
data_pretty = data['Zip State City'].apply(foo)

但这导致我松开公司列并将多个单词的城市名称拆分为不同的列.

如何在保留公司列数据的同时拆分我的最后一列？

Answer 1

你可以使用extract()方法:

In [110]: df
Out[110]:
                               Company                 Zip State City
1                                *CBRE            San Diego, CA 92101
4                          1908 Brands              Boulder, CO 80301
7   1st Infantry Division Headquarters                 Fort Riley, KS
10       21st Century Healthcare, Inc.                    Tempe 85282
15                                 AAA  Jefferson City, MO 65101-9564

In [112]: df[['City','State','ZIP']] = df['Zip State City'].str.extract(r'([^,\d]+)?[,]*\s*([A-Z]{2})?\s*([\d\-]{4,11})?', expand=True)

In [113]: df
Out[113]:
                               Company                 Zip State City            City State         ZIP
1                                *CBRE            San Diego, CA 92101       San Diego    CA       92101
4                          1908 Brands              Boulder, CO 80301         Boulder    CO       80301
7   1st Infantry Division Headquarters                 Fort Riley, KS      Fort Riley    KS         NaN
10       21st Century Healthcare, Inc.                    Tempe 85282          Tempe    NaN       85282
15                                 AAA  Jefferson City, MO 65101-9564  Jefferson City    MO  65101-9564

来自docs:

Series.str.extract(pat, flags=0, expand=None)

对于系列中的每个主题字符串,从正则表达式pat的第一个匹配中提取组.

版本0.13.0中的新功能.

参数:

pat:字符串

具有捕获组的正则表达式模式

flags:int,默认为0(无标志)

re模块标志,例如re.IGNORECASE .. versionadded :: 0.18.0

expand:bool,默认为False

如果为True,则返回DataFrame.

如果为False,则返回Series/Index/DataFrame.

返回:DataFrame,每个主题字符串有一行,每个组有一列.正则表达式pat中的任何捕获组名称都将用于列名称; 否则将使用捕获组编号.即使找不到匹配项,每个结果列的dtype也始终为object.如果expand = True且pat只有一个捕获组,则返回Series(如果subject是Series)或Index(如果subject是index).