Pandas实现一列数据分隔为两列

使用str.split()进行基础拆分

Pandas提供了强大的字符串访问器.str，其中split()方法可根据指定的分隔符将字符串列拆分为列表。默认情况下，该方法返回一个包含列表的Series：

>>> import pandas as pd
>>> df = pd.DataFrame({'AB': ['A1-B1', 'A2-B2']})
>>> df

  AB
0 A1-B1
1 A2-B2
>>> df['AB_split'] = df['AB'].str.split('-')
>>> df

  AB AB_split
0 A1-B1 [A1, B1]
1 A2-B2 [A2, B2]

直接提取拆分后的元素

若只需获取拆分后的特定部分，可直接通过索引访问拆分后的列表元素。例如，获取第一个或第二个元素：

>>> df['AB'].str[0]

0 A
1 A
Name: AB, dtype: object

>>> df['AB'].str[1]

0 1
1 2
Name: AB, dtype: object

此外，可以通过限制拆分次数（如str.split('-', 1)）来确保只拆分一次，从而更精确地提取前后两部分：

>>> df['AB'].str.split('-', 1).str[0]

0 A1
1 A2
Name: AB, dtype: object

>>> df['AB'].str.split('-', 1).str[1]

0 B1
1 B2
Name: AB, dtype: object

解包赋值实现多列生成

当确定分隔符将字符串分为两部分时，可以使用解包赋值直接生成新列。这种方法简洁且高效：

>>> df['A'], df['B'] = df['AB'].str.split('-', 1).str
>>> df

  AB AB_split A B
0 A1-B1 [A1, B1] A1 B1
1 A2-B2 [A2, B2] A2 B2

处理列表数据与生成测试数据

如果原始数据已经是列表格式，可以使用apply(lambda x: pd.Series(x))将其转换为多列。对于无法拆分的数据，在使用expand=True时，对应位置将显示为None。

在测试场景中，可以使用pydbgen库生成模拟数据：

# 用来生成DataFrame的工具
from pydbgen import pydbgen
myDB=pydbgen.pydb()

# 生成一个DataFrame
info = myDB.gen_dataframe(10,['name','phone','city','state'])

以上就是Pandas实现一列数据分隔为两列的详细内容，更多关于Pandas字符串处理与数据清洗的资料请关注本站其它相关文章！