如何根据包含的文本值将熊猫数据框架列拆分为多列

Question

假设有如下所示的列。

df = pd.DataFrame(['A-line B-station 9-min C-station 3-min',
                   'D-line E-station 8-min F-line G-station 5-min',
                   'G-line H-station 1-min I-station 6-min J-station 8-min'],
                    columns=['station'])

A，B，C只是任意字符，有很多这样的行。

                                             station
0             A-line B-station 9-min C-station 3-min
1      D-line E-station 8-min F-line G-station 5-min
2  G-line H-station 1-min I-station 6-min J-stati...

我们如何制作像下面这样的列呢？

   Line1     Station1-1   Station1-2 Station1-3   Line2    Station2-1
0  A-line    B-station    C-station    null       null     null
1  D-line    E-station    null         null       F-line   G-station
2  G-line    H-station    I-station    J-station  null     null

站X-X是指该站(线路号)-(车站的顺序)

Station1-1是指第一线的第一站(Line1)。

Station1-2是指第二线站(Line1)。

Station2-1是第二线的第一站(Line2)。

I试图按分隔符拆分；但是，它不能工作，因为每行都有不同的行数和站数。

我可能需要的是根据所包含的字符拆分列。例如，我可以先将'-line‘存储到Line1，然后将'-station’存储到站点1-1。

有人知道怎么做吗？

任何小小的想法都能帮助我！

谢谢!

Answer 1

首先使用Series和Series.str.split创建DataFrame.stack

s = df['station'].str.split(expand=True).stack()

然后删除以min结尾的值，boolean indexing以Series.str.endswith结尾

df1 = s[~s.str.endswith('min')].to_frame('data').rename_axis(('a','b'))

然后为line和station行创建带有筛选和GroupBy.cumcount的计数器。

df1['Line'] = (df1[df1['data'].str.endswith('line')]
                         .groupby(level=0)
                         .cumcount()
                         .add(1)
                         .astype(str))
df1['Line'] = df1['Line'].ffill()

df1['station'] = (df1[df1['data'].str.endswith('station')]
                         .groupby(['a','Line'])
                         .cumcount()
                         .add(1)
                         .astype(str))

用联接创建系列，用df1['Line']替换Series.fillna缺少的值

df1['station'] = (df1['Line'] + '-' + df1['station']).fillna(df1['Line'])

用DataFrame.set_index对DataFrame.unstack进行整形

df1 = df1.set_index('station', append=True)['data'].reset_index(level=1, drop=True).unstack()

Rename列名--为了避免排序错误，在此之前不会：

df1 = df1.rename(columns = lambda x: 'Station' + x if '-' in x else 'Line' + x)

删除列名：

df1.columns.name = None
df1.index.name = None
print (df1)
    Line1 Station1-1 Station1-2 Station1-3   Line2 Station2-1
0  A-line  B-station  C-station        NaN     NaN        NaN
1  D-line  E-station        NaN        NaN  F-line  G-station
2  G-line  H-station  I-station  J-station     NaN        NaN