根据多个条件拆分 DF 中的列

Question

我有一个包含多列的 df。我需要将其中一列分成两列，一列基于 ID，另一列基于描述。

例如第 34 行：

data['cpv'][34] = '45232460-4 - Obras de saneamento'

我需要将 cpvid 列设为 45232460-4，将 cpvdescription 列设为 Obras de saneamento。使用字符串拆分可以很容易地做到这一点。

但是在某些情况下

df['cpv'][45] = '45112500-0 - Movimento de terras | 45232411-6 - Construção de condutas para águas residuais | 45232423-3 - Construção de estações de bombagem de águas residuais'

表示同一行有多个 ID 和多个描述。我想知道是否有任何有效的方法可以根据多个条件拆分列。意思是第一个条件是'-'（在space的括号内）和'|'的另一个条件。

有人可以帮忙吗？我还是个新手，我试图找到一些类似的帖子，但是 none 似乎符合我想要的输出。

谢谢！

Answer 1

如果您想要长格式，您可以结合使用字符串拆分和 explode 方法（我根据您的数据创建了一个虚拟 df）：

df = pd.DataFrame({
    'cpv':['45232460-4 - Obras de saneamento', '45112500-0 - Movimento de terras | 45232411-6 - Construção de condutas para águas residuais | 45232423-3 - Construção de estações de bombagem de águas residuais'],
    'val':[1,2]
})

df = df.assign(cpv=df.cpv.str.split(r' \| ')).explode('cpv')

df = pd.concat([df, df.cpv.str.split(r' - ', expand=True).rename(columns={0:'cpvid', 1:'cpvdescription'})], axis=1).drop('cpv', axis=1)

print(df)

val       cpvid                                     cpvdescription
0    1  45232460-4                                Obras de saneamento
1    2  45112500-0                                Movimento de terras
1    2  45232411-6        Construção de condutas para águas residuais
1    2  45232423-3  Construção de estações de bombagem de águas re...

如果你想要宽幅面，你可以试试：

df = pd.DataFrame({
    'cpv':['45232460-4 - Obras de saneamento', '45112500-0 - Movimento de terras | 45232411-6 - Construção de condutas para águas residuais | 45232423-3 - Construção de estações de bombagem de águas residuais'],
    'val':[1,2]
})

cpv_df = pd.DataFrame(df.assign(cpv=df.cpv.str.split(r' \| ')).cpv.to_list())

df = pd.concat([df]+[cpv_df[col].str.split(r' - ', expand=True).rename(columns={0:f'cpvid_{col}', 1:f'cpvdescription_{col}'}) for col in cpv_df], axis=1).drop('cpv', axis=1)

print(df)

   val     cpvid_0     cpvdescription_0     cpvid_1  \
0    1  45232460-4  Obras de saneamento        None   
1    2  45112500-0  Movimento de terras  45232411-6   

                              cpvdescription_1     cpvid_2  \
0                                         None        None   
1  Construção de condutas para águas residuais  45232423-3   

                                    cpvdescription_2  
0                                               None  
1  Construção de estações de bombagem de águas re...

根据多个条件拆分 DF 中的列

Splitting columns in a DF based on multiple conditions

python

dataframe

pandas

data-science