Pandas字符串拆分
Pandas是Python中一个强大的数据分析工具库，用于处理和分析大型数据集。字符串拆分是Pandas中的一个功能，可以将字符串按照指定的分隔符进行拆分。
概念：Pandas字符串拆分是指将一个包含字符串的列按照指定的分隔符将字符串拆分成多个部分。
分类：Pandas字符串拆分可以分为两类：基于字符位置的拆分和基于分隔符的拆分。
优势：
- 灵活性：Pandas字符串拆分提供了多种参数和选项，可以满足不同拆分需求，如指定分隔符、拆分次数、是否保留分隔符等。
- 效率：Pandas使用基于C语言的实现，对大型数据集的处理速度较快。
- 兼容性：Pandas字符串拆分可以与其他Pandas功能和库一起使用，如数据清洗、数据聚合等。
应用场景：Pandas字符串拆分适用于各种数据分析和处理场景，例如：
- 数据清洗：当数据集中的某一列包含多个信息时，可以使用字符串拆分将其分解为多列，方便后续分析。
- 特征提取：对于包含多个特征的字符串，可以使用字符串拆分提取感兴趣的特征，以便进行后续建模和分析。
- 数据预处理：在进行文本数据处理时，可以使用字符串拆分对文本进行切分，以便进行词频统计、情感分析等。
推荐的腾讯云相关产品：腾讯云上提供了丰富的数据分析和处理产品，可以与Pandas结合使用。例如：
- 数据库服务：腾讯云数据库MySQL可以存储和管理大型数据集。
- 数据仓库：腾讯云CDW(ClickHouse Data Warehouse)提供了高性能、弹性扩展的数据仓库服务，适用于大规模数据分析和查询。
- 人工智能服务：腾讯云人工智能开放平台（AI Lab）提供了多项人工智能相关的服务，如图像识别、自然语言处理等。
Pandas字符串拆分的使用示例和更多详细信息可以参考腾讯云的官方文档：https://cloud.tencent.com/document/product/586/48440
相关·内容
我使用了以下代码：
import pandas as pd
pandas_bigram = pd.DataFrame(bigram_data)
print pandas_bigram
我得到的输出如下
0
0 ashoka -**0
1 - wikipedia,**1
2 wikipedia, the**2
3 the free**2
4 free encyclopedi
浏览 4提问于2016-10-01得票数 1
在使用Pandas将json对象读入Pandas.DataFrame之后，我们只想在每一排熊猫中的第一年使用print。如果我们有2013-2014(2015)，我们想打印2013
全码
x = '{"0":"1985\\u2013present","1":"1985\\u2013present",......}'
a = pd.read_json(x, typ='series')
for i, row in a.iteritems():
print row.split('-
浏览 6提问于2015-09-21得票数 1
我想根据某些关键字和整数来分割数据中的一些列。在excel中，使用可移动的分隔符显示如下所示：
。
我知道Pandas的str.split，但这似乎一次只限于一个分隔符，而且似乎不考虑整数。使用regex，我可以这样做来相应地拆分字符串。
s = "zone entries bin 1 zone center"
s = re.split(r'(bin)|(\s+[0-9]+\s+)', s)
(我不擅长regex，对于后一个结果，我必须删除None值)。但是，regex表达式似乎不适用于Pandas str.split。实现文本到列功能的最佳方法是什么？
浏览 1提问于2021-03-02得票数 1
回答已采纳
我有一个包含阿拉伯句子的专栏。当我试着用Pandas.read_csv阅读它时，它从左到右就像英语一样，我的目标是相反的。row=埃及很大，我需要:大是埃及吗?非常感谢
浏览 1提问于2021-02-12得票数 0
回答已采纳
1回答
我正在尝试转换单位内的潘达斯系列。
df["he"] returns a Pandas Series:
0 5'10"
1 5'2"
...
下面的变量num1应该提取数字5。而num2应该提取数字7。
该代码适用于5'7"，但不适用于5'10"
我如何从x[2:]转换成在'之前提取所有内容的东西？
在过去，我使用过像index()和find()这样的函数--然而，我对Pandas还很陌生，并且很难知道如何实现这些功能。
def conversion(x
浏览 1提问于2019-09-30得票数 0
回答已采纳
如何使用Pandas read_csv快速将大列表转换为数据格式？
import Pandas as pd
x = '1,2,3,4,5,7,8,9'
df = pd.read_csv(x)
我知道我可以用逗号->将字符串拆分到一个列表->转换成dataframe，但是我想知道是否有一种方法可以更快地使用pd.read_csv来完成这个任务呢？
浏览 0提问于2017-07-31得票数 2
我使用pandas合并了两个csv文件，并使用以下命令将合并后的输出保存在merged变量中：
merged= pd.merge(f1,f2,on='name',how='inner')
这个merged大约有10列，我想从中选择两个列- name和type，并形成一个list of lists，它的输出应该类似于以下格式：
[['Bread', 'Milk'],
['Bread', 'Diapers', 'Beer', 'Eggs'
浏览 1提问于2014-11-26得票数 0
我正在尝试拆分字符串，但遇到内存错误。有没有办法解决这个问题，或者有其他的解决方案？ 我在下面的代码中遇到错误- content_str = str(content_str).split('\n')
df1 = pd.DataFrame(content_str)
df1 = df1[0].str.split(',', expand=True) 错误- Traceback (most recent call last):
File "ravi_sir.py", line 47, in <module>
df1 = df1[
浏览 15提问于2021-06-30得票数 0
我在使用dask读取文件时出错，它与pandas一起工作：
import dask.dataframe as dd
import pandas as pd
pdf = pd.read_csv("./tous_les_docs.csv")
pdf.shape
(20140796, 7)
而dask给了我一个错误：
df = dd.read_csv("./tous_les_docs.csv")
df.describe().compute()
ParserError: Error tokenizing data. C error: EOF inside string
浏览 0提问于2019-04-29得票数 0
我需要根据一些标准拆分整个数据帧(Pandas)。例如：
import pandas as pd
import numpy as np
a = np.random.random(size=(1,10))
b = np.random.randint(100,size=a.shape)
df = pd.DataFrame(array((a,b)).T,columns=['a','b'])
现在，如果我想将数据帧分成两部分，其中df'a‘>= 30和df'a’< 30
df_two = [df[df['a'] < 3
浏览 4提问于2017-02-28得票数 2
回答已采纳
1回答
所以我是个初学者，但我想用Python可视化一个用户使用networkx的情况。我已经收集了我想使用Twitter查看的所有tweet，并将它们放到一个数据框架中。数据框架包含有关tweet的各种数据，但我最感兴趣的是用户(DF中的5个用户)以及用户的tweet中提到的用户。
+-------+---------------------+
|user |mentioned_user |
+-------+---------------------+
|user1 |jack,peter,anne |
|user2 |sophie |
|
浏览 1提问于2019-06-02得票数 2
回答已采纳
4回答
我有一个这样的字符串列表，
['happy_feet', 'happy_hats_for_cats', 'sad_fox_or_mad_banana','sad_pandas_and_happy_cats_for_people']
给定像['for', 'or', 'and']这样的关键字列表，我希望能够将列表解析为另一个列表，如果关键字列表出现在字符串中，则将该字符串拆分为多个部分。
例如，上面的集合将被分割为
['happy_feet', 'happy_
浏览 3提问于2015-12-22得票数 7
回答已采纳
1回答
我的数据集如下所示。
df=
0 153.38 -27.99
1 151.21 -33.87
2 151.21 -33.87
3 153.05 -26.68
4 153.44 -28.06
Name: merchant_long_lat, dtype: object
当我实现将lat-long拆分为两个不同列( lat和long )的拆分代码时，即：
df[['merch_long','merch_lat']]=df.str.split(expand=True)
它返回一个错误如下：
ValueError
浏览 1提问于2021-07-26得票数 0
回答已采纳
2回答
分离日期
、、、
在我的代码中，我试图找到一种将日期与时间分开的方法。当我运行代码时，我会得到以下结果：
2021-05-27 : 00:00:00
不过，我希望它只是'2021-05-27‘。如果有人能帮我，我会很感激的，谢谢。
import datetime as dt
from datetime import date
import matplotlib.pyplot as plt
from matplotlib import style
import pandas as pd
import pandas_datareader as web
import os
start=dt.datetime
浏览 1提问于2021-05-27得票数 0
回答已采纳
如图所示，我正试图清理一个包含垃圾的url列表。
/gradoffice/index.aspx(
/涂鸦/索引-
/gradoffice/index.aspxjavascript$
/涂鸦/索引.
我有一个csv文件，有超过190k个不同网址的记录。我试着将csv加载到一个熊猫数据中，并使用下面的语句将整个url列放入一个列表中。
str = df['csuristem']
它清楚地给出了列中的所有值。当我使用下面的代码-它只是打印40k记录，它开始一些在中间的地方。我不知道哪里出了问题。这个程序运行得很好，但只显示了部分结果。任何帮助都将不胜感激。
i
浏览 14提问于2014-12-29得票数 1
回答已采纳
在标记我的“脚本”列之后，我尝试应用Lemmatization。但我得到了一个AttributeError。我尝试了不同的方法
这是我的“脚本”专栏：
df_toklem["script"][0:5]
---------------------------------------------------------------------------
type(df_toklem["script"])
输出：
id
1 [ext, street, day, ups, man, big, pot, belly, ...
2 [credits, stil
浏览 6提问于2020-12-29得票数 0
回答已采纳
我想使用pandas dataframe计算is string中最长的连续'0‘，两边是数字'1’
这是我的数据集
Id label
1 1
2 11
3 101
4 10101
5 1001
下面是我的预期输出
Id label result
1 1 0
2 11 0
3 101 1
4 10101 1
5 1001 2
浏览 9提问于2019-07-10得票数 2
回答已采纳
当我在更大的数据集上运行代码时，我会得到这个错误。它可以很好地处理较小的数据集。
在1.4000个问题集上运行代码。而使用拆分函数则会产生错误。
def build_vocab(sentences, verbose=True):
vocab = {}
for sentence in tqdm(sentences):
for word in sentence:
try:
vocab[word] += 1
except KeyError:
vocab[
浏览 1提问于2019-09-30得票数 1
1回答
我在创建dataframe时遇到内存错误。我正在从s3读取压缩文件，并将字节数据写入数据帧，但我得到了内存错误。你能告诉我如何避免这种情况，或者我可以在我的代码中做哪些更改？ 代码- list_table = []
for table in d:
dict_table = OrderedDict()
s_time = datetime.datetime.now().strftime("%H:%M:%S")
print("start_time--->>",s_time)
print("tablename---&
浏览 18提问于2021-06-30得票数 0
我需要检查整个字符串列表是否都在一列中。这是我的代码： import pandas as pd
frame=["foo", "abc", "story"]
df = pd.DataFrame({'col1': ['foo abc', 'foobar abc', 'bar32', 'abc 45'], 'col2': ['story', 'epic', 'story', 'baz']})
浏览 20提问于2020-04-16得票数 0
回答已采纳
1回答
我正在尝试根据条件"，，“将一列数据拆分为多个列。 但它也应该在遇到"，“时拆分数据。 基本上，它还应该考虑"，，“作为"，”。 我的代码 import pandas as pd
df = pd.DataFrame()
df['data'] = data
df
df.columns = ['header']
final = df["header"].str.split(",,",n = 2, expand = True)
final 感谢您的帮助！
浏览 28提问于2020-07-22得票数 1
为什么以下两个代码段会产生不同的结果？
import pandas as pd
s = pd.Series(['abc','abcq', 'foo', 'baz'])
s.isin(['abc'])
vs
import pandas as pd
s = pd.Series(['abc','abcq', 'foo', 'baz'])
s.isin(list('abc'))
浏览 0提问于2016-03-30得票数 0
回答已采纳
? pandas数据框中列的数据类型为object。它包含一个算术表达式，例如: 24 * 365。我想得到代替表达式返回的表达式的结果(24 * 365 = 8760)。有人能帮助解决这个问题吗？ 所示图片中的数量列的单位数乘以每个单位的数量。我想把它们相乘得到总数。
浏览 14提问于2020-06-10得票数 0
我是JavaScript的新手。我有一个包含多个句子的文本，我希望每个句子都是一个名为sentence and alert的数组中的一个条目(“new entry was made")。所以我必须循环遍历，只要有一个“。一个新的条目将会开始。但是我怎样才能把一篇文章读完呢？
var sentences = []
var myText= "I like cars. I like pandas. I like blue. I like music."
浏览 0提问于2013-04-07得票数 0
回答已采纳
1回答
我有一个看起来像这样的pandas.core.series.Series：
import pandas as pd
s = pd.Series(["1/1/1900 8:00:00 AM", "1/1/1900 8:15:00 PM", "1/1/1900 9:02:11 PM"])
我正试图解析时间和AM/PM指示符，以得到如下内容：8:00:00 AM。
我现在拥有的是：
s.str.split()
产生的结果：
0 ['1/1/1900', '8:00:00', 'AM']
1 ['1
浏览 4提问于2016-08-04得票数 1
回答已采纳
我下面有测试数据
import re
import pandas as pd
df = pd.DataFrame({
'id': ['A-08', 'ABC-11-05', 'B-A-CC', 'C', 'D'],
})
id
0 A-08
1 ABC-11-05
2 B-A-CC
3 C
4 D
我试着使用下面的代码来删除最后一个连字符，但是它不起作用。
df['id'].apply(lambda x: re.sub('-$&
浏览 3提问于2021-09-02得票数 0
2回答
我试图在Pandas中的5倍星号上拆分，读取如下的数据
"This place is not good ***** less salt on the popcorn!"
我的代码尝试在评论列中读取并获得零索引。
review = review_raw["reviews"].str.split('*****').str[0]
print(review)
误差
sre_constants.error: nothing to repeat at position 0
我的期望
This place is not good
浏览 5提问于2021-04-17得票数 2
回答已采纳
1回答
如何从pandas datetime中删除日期、小时和秒，使我只剩下分钟？我有一个日期表格，格式如下：
Date
2015-04-18 23:33:58
2015-04-19 14:32:08
2015-04-20 18:42:44
2015-04-20 21:41:19
我想要：
Date
33
32
42
41
我尝试使用的代码是：
fiveMin['Date'] = fiveMin['Date'] - pd.Timedelta(fiveMin['Date'], unit='s')
但是，为了删除秒数，我得到了错误：
Valu
浏览 0提问于2017-01-31得票数 3
回答已采纳
我只是想打印我的剧本。我有这个问题，我已经研究和阅读了许多答案，甚至添加.encode ('utf-8)仍然不起作用。
import pandas
import numpy as np
import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.decomposition import LatentDirichletAllocation
n_components = 30
n_top_words = 10
def print_top_words(model,
浏览 1提问于2018-08-16得票数 1
回答已采纳
2回答
这一栏有两个值的单元格，第一个值是折扣后的价格，第二个值是折扣后的价格。我需要在折扣之前和之后将这些值分割成两个单元，我尝试过以下方法，但它们都不起作用，所以如果有人有任何建议，如何制作或如何编辑代码来做到这一点。
列示例：
价格
第1行:79.9 99.9
第2行: 59.9
第3行:49.9 89.9
第4行: 59.9
方法1:
for z in x['1Month Price']:
x['1Month Price'].split(',')
错误：
AttributeError
浏览 9提问于2022-03-31得票数 0
回答已采纳
1回答
我目前使用的是以下代码：
df['name'] = df['name'].str.split("",expand=True,n=20)
错误：
ValueError: split() requires a non-empty pattern match.
错误出现在Pandas代码中的这一行
-> 1387 f = lambda x: regex.split(x, maxsplit=n)
它适用于某些Python环境，但不适用于所有环境，即使Pandas版本相同
我在一些python环境中遇到了这个错误，比如Goog
浏览 1提问于2020-02-17得票数 1
试图将sql查询写入csv，但输出看起来与其编码类似。当我试图解码列表时会引发错误。我在csv文件中获得的输出如下：
Visit ID Source Vid 1 Vid 2 Vid 3 Vid 4 Vid 5
['']
|[-9223368141428696960 u'O\x00&\x00O\x00' u'E\x00n\x00t\x00e\x00r\x00t\x00a\x00i\x00n\x00m\x00e\x00n\x00t\x00']|
from p
浏览 3提问于2015-03-25得票数 1
回答已采纳
我有一个像这样的熊猫数据框架： import pandas as pd
foo = pd.DataFrame({'s': ['a','b','a','a'], 'versions':[['1','2'],'2',['1','2'],'2']}) 我想通过value_counts() s组来写versions的专栏 我试过了 foo.groupby('s')['versions&#
浏览 20提问于2021-03-30得票数 1
回答已采纳
3回答
我刚开始用Pandas做我的分析工作。
我在Pandas中有一个有超过200万行的dataframe，假设它被称为DF。我需要创建一个变量，显示一个名为“总记录”的列的总和，但按年将其分开，因此，假设2017年为一个变量，2018年为另一个变量，2019年为另一个变量。问题是，我的DATE列的格式如下: 1/20/2018是否有类似于SQL语法的内容：
Select Sum("Total Records")
From DF
Where date like '%2018';
我曾经尝试使用df.query('date == 2018')'
浏览 1提问于2019-12-03得票数 2
回答已采纳
1回答
我有一个以下格式的pandas数据帧 name
BC_new-0
BC_new-1
BC_new-2 我想提取"_“下面的任何内容，并将其附加到新列中 df['value'] = str(df['name']).split("_")[0] 但我得到了以下结果 value
0 BC
0 BC
0 BC 关于这个"0“为什么不能出现在输出中的任何建议。任何线索都将不胜感激。
浏览 36提问于2021-10-18得票数 0
回答已采纳
我想把这两列分成两列，因为Excel提取函数占用了太多的时间，我想我可以用Python和Jupyter Notebook来做，使用Pandas。但我以前并没有这样做过，通常我已经处理过数据，所以我有困难。
我试着使用excel，但它总是花费很长时间。
+---------------------+----------------------+-----------------+
| date + hour | date only | hour only |
+---------------------+---------------------
浏览 5提问于2019-07-18得票数 0
回答已采纳
想知道当列类型是分类的(特别是h2o enum类型)时，在h2o dataframe GroupBy对象中求和列时会发生什么。
将pandas数据帧转换为H2o数据帧。然后，我按某一列对行进行分组，并对其他列求和。
location_id price store
------------------
1 10 JCP
1 15 SBUX
3 20 HOL
then after grouping and summing; df.group_by('location_id').sum(['
浏览 26提问于2019-04-02得票数 0
回答已采纳
2回答
我有一根绳子，看起来像：
a1\tb1\tc1\na2\tb2\tc2\na3\tb3\tc3\n...
是否有一种高效而明智的方法将这种字符串转换为Pandas DataFrame？StringIO似乎不适合这种方法。
提前谢谢！！
浏览 2提问于2018-02-15得票数 4
回答已采纳
1回答
将变量加载到数据帧中
、、、
在PySpark中，我尝试从字符串变量加载数据帧。 我的变量是一个多行文本.. string_data = """
Name|age|city
david|23|London
krish|24|Bali
john|56|Goa
""" 我想将这些数据加载到PySpark中的数据帧中。我想使用数据集，但它们在PySpark中不可用。 使用Pandas时，我常常这样写： string2 = StringIO(string_data)
df = pd.read_csv(string2,sep='|')
浏览 7提问于2021-02-02得票数 0
作为一名语言学家和python初学者，我希望在我自己的(德语)tweet语料库中找到单词搭配。如何将pandas dataframe (只有一列= tweet)中的tweet转换为单词列表，以便能够使用nltk-collocation-finder？我的版本(如下)创建了一个字母列表，而不是单词列表，只给出了字母搭配。任何建议都是很棒的！
这就是我到目前为止所知道的：
import pandas as pd
data = pd.read_csv("tweets.csv")
import regex as re
def cleaningTweets(twt):
twt
浏览 2提问于2021-04-04得票数 2
2回答
我正在尝试将引号“”中的所有单词替换为大写单词，除了pandas列中单词"then“后面的单词:例如：
0 There was a "quick" "brown" fox who "jumped" over the wall then "fell" and broke its "tooth"
输出应为：
0 There was a "QUICK" "BROWN" fox who "JUMPED" over the wall then "fell"
浏览 19提问于2020-02-20得票数 0
fruit='Food\nName/Category\nApple\nFruit\nBanana\nFruit\nBread\nGrain\nTomato\nVegetable' 大家好，我有一个如上所述的文本变量，我想把它转换成pandas dataframe列并按"\n“拆分。我可以将其传输到df，但不知道如何根据"\n“拆分行。 预期结果： 📷 任何想法都是非常感谢的！谢谢!
浏览 16提问于2019-07-04得票数 0
回答已采纳
2回答
如何从对象中拆分数据帧？
、、、
我想拆分一列pandas dataframe，如下所示： 0
0 38 A
1 35 B
2 14 B 分成两列： 所以它看起来像这样： Number Letter
0 38 A
1 35 B
2 14 B 但它的显示类型为： 0 object
dtype: object
浏览 12提问于2020-09-11得票数 0
回答已采纳
1回答
我有一个文件requirements.txt，其中包含未来安装的依赖项。该文件仅在每一行上有一个名称：
$cat requirements.txt
pandas
numpy
...
我实际代码的某些部分如下所示：
packages=$(cat "requirements.txt") || exit
当我执行echo $packages而不是"$packages"时，我得到以下结果
echo $packages
pandas numpy ...
VS
echo "$packages"
pandas
numpy
...
我很难理解分裂是如何发生的。
浏览 0提问于2020-12-23得票数 0
回答已采纳
我有一个数据框架，其中一个列是用破折号分隔的字符串。我想在冲刺之前得到这个角色。你能帮我吗？
import pandas as pd
df = pd.DataFrame()
df['a'] = [1, 2, 3, 4, 5]
df['b'] = ['C-C02','R-C05','R-C01','C-C06', 'RC-C06']
愿望的输出是：
浏览 4提问于2022-06-13得票数 0
回答已采纳
我有一个csv文件，我使用Pandas加载。首先，我决定重命名这些列。数据是这样的：
我的目标是检查每一行的所有列是否包含以下字符\n。如果是这样的话，包含前面提到的字符串的行中的单元格必须进行修改，以便只剩下\n之后的内容。这类算法的输出应如下：
到目前为止，代码是这样的，但是我仍然坚持查找和删除\n以及前面的代码。
import pandas as pd
df = pd.read_csv('prova.csv', sep=',', skiprows=0, header=None,low_memory=False)
df.columns =
浏览 1提问于2016-09-14得票数 0
回答已采纳
我尝试在.csv中查找值与“2.borgere> 65”匹配的行。在我的.csv中有5行第一列与单词匹配，但是pandas返回一个空的DataFarme。我尝试加载ISO8859-1和拉丁文-1格式的.csv，但结果相同。 下面是我的代码： #LOAD NØGLETAL IN PANDAS
df_noegletal = pd.read_csv("zipfiler/Vaccine_maalgrupper_DB/Noegletal_vacc_daekning.csv", encoding="Latin-1")
#PRINT ROWS MATCHING VA
浏览 5提问于2021-06-30得票数 0
我希望使用matplotlib中由外观命令组成的列表条目，以便方便地编辑行、颜色和类型。但是，当我运行以下代码时，我会得到两个错误：
‘'type’获得关键字参数‘ax’的多个值
Traceback (most recent call last):
File "./plotMeltFront.py", line 34, in <module>
data.plot(0, 1, ax=ax1, label=myLabel, *sets[i][2].split())
File "/home/ksalscheider/.local
浏览 6提问于2020-12-11得票数 0
回答已采纳
2回答
Pandas正则条件匹配
、、、
我有一个这样的数据帧： pd.DataFrame({'course_code': ['BUS225 - DC - 02-21-17',
'N320L - EM8 - 01-21-20 - Sect1', 'N495 - LA8 - 05-14-19 - Sect3']}) 我正在尝试编写一个正则表达式(使用pandas)，它将返回以下输出： pd.DataFrame({'course_code': ['BUS225', 'N320L&#
浏览 42提问于2020-10-13得票数 0
回答已采纳
1回答
统计字符串特征
、、
数据在来自csv的pandas数据帧中。我是这样把它带进来的：
listing = pd.read_csv("listings.csv")
我有一个来自AirBnB数据集的便利性列。我感兴趣的是，AirBnB何时会将“允许宠物”作为其便利设施的一部分。
in: listing['amenities'].head(2)
out: 0 {TV,"Cable TV",Internet,Wifi,"Paid parking off...
1 {TV,"Cable TV",Internet,Wif
浏览 0提问于2020-08-08得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
