我有一个包含一个（字符串）列的数据框，我想将其拆分为两个（字符串）列，一个列标题为 ' fips'，另一个'row'
我的数据框df如下所示：
row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
我不知道如何使用df.row.str[:]来实现拆分行单元格的目标。我可以df['fips'] = hello用来添加一个新列并用hello. 有任何想法吗？
fips row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
对于简单的情况：
最简单的解决方案是：
df[['A', 'B']] = df['AB'].str.split(' ', 1, expand=True)
expand=True如果您的字符串具有不均匀的拆分数量并且您想要None替换缺失值，则必须使用。
请注意，在任何一种情况下，该.tolist()方法都不是必需的。也不是zip()。
Andy Hayden 的解决方案最出色地展示了该str.extract()方法的强大功能。
但是对于在已知分隔符上的简单拆分（例如，用破折号拆分或按空格拆分），该.str.split()方法就足够了1。它对一列（系列）字符串进行操作，并返回一列（系列）列表：
>>> 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]
1：如果您不确定前两个参数的.str.split()作用，我推荐使用该方法的纯 Python 版本的文档。
但是你怎么去：
到：
好吧，我们需要仔细看看.str列的属性。
它是一个神奇的对象，用于收集将列中的每个元素视为字符串的方法，然后尽可能高效地在每个元素中应用相应的方法：
>>> upper_lower_df = pd.DataFrame({"U": ["A", "B", "C"]})
>>> upper_lower_df
U
0 A
1 B
2 C
>>> upper_lower_df["L"] = upper_lower_df["U"].str.lower()
>>> upper_lower_df
U L
0 A a
1 B b
2 C c
但它也有一个“索引”接口，用于通过索引获取字符串的每个元素：
>>> df['AB'].str[0]
0 A
1 A
Name: AB, dtype: object
>>> df['AB'].str[1]
0 1
1 2
Name: AB, dtype: object
当然，这个索引接口.str并不真正关心它索引的每个元素是否实际上是一个字符串，只要它可以被索引，所以：
>>> 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
然后，利用 Python 元组对可迭代对象进行解包是一件简单的事情
>>> 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
当然，从拆分一列字符串中获取 DataFrame 非常有用，该.str.split()方法可以使用expand=True参数为您完成：
>>> df['AB'].str.split('-', 1, expand=True)
0 1
0 A1 B1
1 A2 B2
因此，完成我们想要的另一种方法是：
>>> df = df[['AB']]
>>> df
AB
0 A1-B1
1 A2-B2
>>> df.join(df['AB'].str.split('-', 1, expand=True).rename(columns={0:'A', 1:'B'}))
AB A B
0 A1-B1 A1 B1
1 A2-B2 A2 B2
该expand=True版本虽然更长，但与元组解包方法相比具有明显的优势。元组拆包不能很好地处理不同长度的拆分：
>>> df = pd.DataFrame({'AB': ['A1-B1', 'A2-B2', 'A3-B3-C3']})
>>> df
AB
0 A1-B1
1 A2-B2
2 A3-B3-C3
>>> df['A'], df['B'], df['C'] = df['AB'].str.split('-')
Traceback (most recent call last):
[...]
ValueError: Length of values does not match length of index
>>>
但是expand=True通过放置None在没有足够“拆分”的列中来很好地处理它：
>>> df.join(
... df['AB'].str.split('-', expand=True).rename(
... columns={0:'A', 1:'B', 2:'C'}
... )
... )
AB A B C
0 A1-B1 A1 B1 None
1 A2-B2 A2 B2 None
2 A3-B3-C3 A3 B3 C3
可能有更好的方法，但这是一种方法：
row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
df = pd.DataFrame(df.row.str.split(' ',1).tolist(),
columns = ['fips','row'])
fips row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
您可以使用正则表达式模式非常巧妙地提取不同的部分：
In [11]: df.row.str.extract('(?P<fips>\d{5})((?P<state>[A-Z ]*$)|(?P<county>.*?), (?P<state_code>[A-Z]{2}$))')
Out[11]:
fips 1 state county state_code
0 00000 UNITED STATES UNITED STATES NaN NaN
1 01000 ALABAMA ALABAMA NaN NaN
2 01001 Autauga County, AL NaN Autauga County AL
3 01003 Baldwin County, AL NaN Baldwin County AL
4 01005 Barbour County, AL NaN Barbour County AL
[5 rows x 5 columns]
解释有点长的正则表达式：
(?P<fips>\d{5})
\d) 并为其命名"fips"。下一部分：
((?P<state>[A-Z ]*$)|(?P<county>.*?), (?P<state_code>[A-Z]{2}$))
是否 ( |) 做以下两件事之一：
(?P<state>[A-Z ]*$)
*的 ( ) 大写字母或空格 ( [A-Z ]) 并将其命名"state"在字符串 ( $) 的结尾之前，或者
(?P<county>.*?), (?P<state_code>[A-Z]{2}$))
.*)state_code匹配字符串末尾的两位数( $)。在示例中：
请注意，前两行命中“州”（将 NaN 留在县和 state_code 列中），而后三行命中县 state_code（将 NaN 留在州列中）。
df[['fips', 'row']] = df['row'].str.split(' ', n=1, expand=True)
您可以将str.split空格（默认分隔符）和参数expand=True用于DataFrame分配给新列：
df = pd.DataFrame({'row': ['00000 UNITED STATES', '01000 ALABAMA',
'01001 Autauga County, AL', '01003 Baldwin County, AL',
'01005 Barbour County, AL']})
print (df)
row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
df[['a','b']] = df['row'].str.split(n=1, expand=True)
print (df)
row a b
0 00000 UNITED STATES 00000 UNITED STATES
1 01000 ALABAMA 01000 ALABAMA
2 01001 Autauga County, AL 01001 Autauga County, AL
3 01003 Baldwin County, AL 01003 Baldwin County, AL
4 01005 Barbour County, AL 01005 Barbour County, AL
修改如果需要删除原始列DataFrame.pop
df[['a','b']] = df.pop('row').str.split(n=1, expand=True)
print (df)
a b
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
什么是一样的：
df[['a','b']] = df['row'].str.split(n=1, expand=True)
df = df.drop('row', axis=1)
print (df)
a b
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
如果得到错误：
#remove n=1 for split by all whitespaces
df[['a','b']] = df['row'].str.split(expand=True)
ValueError：列的长度必须与键的长度相同
您可以检查并返回 4 列DataFrame，而不仅仅是 2：
print (df['row'].str.split(expand=True))
0 1 2 3
0 00000 UNITED STATES None
1 01000 ALABAMA None None
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
然后解决方案是追加新DataFrame的join：
df = pd.DataFrame({'row': ['00000 UNITED STATES', '01000 ALABAMA',
'01001 Autauga County, AL', '01003 Baldwin County, AL',
'01005 Barbour County, AL'],
'a':range(5)})
print (df)
a row
0 0 00000 UNITED STATES
1 1 01000 ALABAMA
2 2 01001 Autauga County, AL
3 3 01003 Baldwin County, AL
4 4 01005 Barbour County, AL
df = df.join(df['row'].str.split(expand=True))
print (df)
a row 0 1 2 3
0 0 00000 UNITED STATES 00000 UNITED STATES None
1 1 01000 ALABAMA 01000 ALABAMA None None
2 2 01001 Autauga County, AL 01001 Autauga County, AL
3 3 01003 Baldwin County, AL 01003 Baldwin County, AL
4 4 01005 Barbour County, AL 01005 Barbour County, AL
删除原始列（如果还有其他列）：
df = df.join(df.pop('row').str.split(expand=True))
print (df)
a 0 1 2 3
0 0 00000 UNITED STATES None
1 1 01000 ALABAMA None None
2 2 01001 Autauga County, AL
3 3 01003 Baldwin County, AL
4 4 01005 Barbour County, AL
如果您不想创建新的数据框，或者您的数据框的列多于您要拆分的列，您可以：
df["flips"], df["row_name"] = zip(*df["row"].str.split().tolist())
del df["row"]
如果您想根据分隔符将字符串拆分为多于两列，您可以省略“最大拆分”参数。
您可以使用：
df['column_name'].str.split('/', expand=True)
这将自动创建与任何初始字符串中包含的最大字段数一样多的列。
很惊讶我还没有看到这个。如果你只需要两个拆分，我强烈推荐。. .
Series.str.partitionpartition对分隔符执行一次拆分，通常性能非常好。
df['row'].str.partition(' ')[[0, 2]]
0 2
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
如果您需要重命名行，
df['row'].str.partition(' ')[[0, 2]].rename({0: 'fips', 2: 'row'}, axis=1)
fips row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
如果您需要将其加入到原始状态，请使用join或concat：
df.join(df['row'].str.partition(' ')[[0, 2]])
pd.concat([df, df['row'].str.partition(' ')[[0, 2]]], axis=1)
row 0 2
0 00000 UNITED STATES 00000 UNITED STATES
1 01000 ALABAMA 01000 ALABAMA
2 01001 Autauga County, AL 01001 Autauga County, AL
3 01003 Baldwin County, AL 01003 Baldwin County, AL
4 01005 Barbour County, AL 01005 Barbour County, AL
用于df.assign创建新的 df。见https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.assign.html
split = df_selected['name'].str.split(',', 1, expand=True)
df_split = df_selected.assign(first_name=split[0], last_name=split[1])
df_split.drop('name', 1, inplace=True)
或以方法链形式：
df_split = (df_selected
.assign(list_col=lambda df: df['name'].str.split(',', 1, expand=False),
first_name=lambda df: df.list_col.str[0],
last_name=lambda df: df.list_col.str[1])
.drop(columns=['list_col']))
我看到没有人使用切片方法，所以我把我的 2 美分放在这里。
df["<col_name>"].str.slice(stop=5)
df["<col_name>"].str.slice(start=6)
此方法将创建两个新列。
我更喜欢导出对应的pandas系列（即我需要的列），使用apply函数将列内容拆分成多个系列，然后将生成的列加入到现有的DataFrame中。当然，应该删除源列。
例如
col1 = df["<col_name>"].apply(<function>)
col2 = ...
df = df.join(col1.to_frame(name="<name1>"))
df = df.join(col2.toframe(name="<name2>"))
df = df.drop(["<col_name>"], axis=1)
拆分两个单词字符串函数应该是这样的：
lambda x: x.split(" ")[0] # for the first element
lambda x: x.split(" ")[-1] # for the last element