Pandas:按分隔符拆分列，并根据其他列重新排列

Question

假设df是一个数据帧。

In [1]: import pandas as pd
   ...: df = pd.DataFrame(columns = ['Home', 'Score', 'Away'])
   ...: df.loc[0] = ['Team A', '3-1', 'Team B']
   ...: df.loc[1] = ['Team B', '2-1', 'Team A']
   ...: df.loc[2] = ['Team B', '2-2', 'Team A']
   ...: df.loc[3] = ['Team A', '0-1', 'Team B']

In [2]: df
Out[2]:
     Home Score    Away
0  Team A   3-1  Team B
1  Team B   2-1  Team A
2  Team B   2-2  Team A
3  Team A   0-1  Team B

我想把df变成df_1。

In [4]: df_1
Out[4]:
  Team A Team B
0      3      1
1      1      2
2      2      2
3      0      1

最简单的方法是什么？

作为初学者，我可以将'Score'列拆分为两列，然后遍历其他列并获得df_1，但我想应该有一种更简单的方法，可能是使用lambda函数或group_by方法。

有什么想法吗？

Answer 1

您可以尝试这样做：

df["values"] = df.apply(lambda row: {row["Home"]:row["Score"].split("-")[0], row["Away"]:row["Score"].split("-")[1]}, axis=1)

output_df = pd.DataFrame(df["values"].tolist())

输出：

    Team A  Team B
0   3   1
1   1   2
2   2   2
3   0   1

Answer 2

如果只有两支球队，我们可以在需要的时候恢复比分。

Where以以下方式工作，如果条件为真，它将保持原始值。如果不是，它可以调用值列表中的输入值。我们的条件是在团队中，而mapper是字符串的反转。

l_rev_string = lambda s: s[::-1]

df_score_rev = df.Score.apply(l_rev_string)

df1 = df.Score.where(df.Home == 'Team A', df_score_rev)\
    .str.split('-',expand=True)\
    .rename(columns = {0:'Team A',1:'Team B'})

|    |   Team A |   Team B |
|---:|---------:|---------:|
|  0 |        3 |        1 |
|  1 |        1 |        2 |
|  2 |        2 |        2 |
|  3 |        0 |        1 |