python - Pandas 重新排列数据框

Question

我有一个如下的数据框:

Honda [edit]
Accord (4 models)
Civic  (4 models)
Pilot  (3 models)
Toyota [edit]
Prius  (4 models)
Highlander (3 models)
Ford [edit]
Explorer (2 models)

我希望 reshape 它，以便得到如下所示的 2 列数据框:

 Honda     Accord
 Honda     Civic
 Honda     Pilot
 Toyota    Prius
 Toyota    Highlander

等等。 我试过 str.split 试图在编辑之间进行拆分，但没有成功。非常感谢任何建议!此处为 Python 新手...如果之前已解决此问题，我们深表歉意。 谢谢!

到目前为止我已经尝试过了

     maker=car['T'].str.extract('(.*\[edit\])', expand=False).str.replace('\[edit\]',"")

这为我提供了制造商列表:本田、丰田和福特。然而，我一直在寻找一种方法来提取制造商之间的模型以创建 2 col DF。

Answer 1

诀窍是先提取汽车列，然后再获取制造商。

import pandas as pd
import numpy as np

df['model'] = df['T'].apply(lambda x: x.split(
    '(')[0].strip() if x.count('(') > 0 else np.NaN)

df['maker'] = df['T'].apply(lambda x: x.split('[')[0].strip(
) if x.count('[') > 0 else np.NaN).fillna(method="ffill")

df = df.dropna().drop('T', axis=1).reindex(
    columns=['maker', 'model']).reset_index(drop=True)

如果条目包含'('，代码的第一行通过使用拆分和剥离字符串操作提取所有汽车。 , 它分配 NaN否则，我们使用 NaN这样我们就可以在找到制造商后删除这些行。 现阶段数据框df将是:

+----+-----------------------+------------+
|    | T                     | model      |
|----+-----------------------+------------|
|  0 | Honda [edit]          | nan        |
|  1 | Accord (4 models)     | Accord     |
|  2 | Civic  (4 models)     | Civic      |
|  3 | Pilot  (3 models)     | Pilot      |
|  4 | Toyota [edit]         | nan        |
|  5 | Prius  (4 models)     | Prius      |
|  6 | Highlander (3 models) | Highlander |
|  7 | Ford [edit]           | nan        |
|  8 | Explorer (2 models)   | Explorer   |
+----+-----------------------+------------+

第二行做同样的事情，但对于 '['记录，这里是NaNs用于使用 fillna 填充空的制造商单元格 现阶段数据框df将是:

+----+-----------------------+------------+---------+
|    | T                     | model      | maker   |
|----+-----------------------+------------+---------|
|  0 | Honda [edit]          | nan        | Honda   |
|  1 | Accord (4 models)     | Accord     | Honda   |
|  2 | Civic  (4 models)     | Civic      | Honda   |
|  3 | Pilot  (3 models)     | Pilot      | Honda   |
|  4 | Toyota [edit]         | nan        | Toyota  |
|  5 | Prius  (4 models)     | Prius      | Toyota  |
|  6 | Highlander (3 models) | Highlander | Toyota  |
|  7 | Ford [edit]           | nan        | Ford    |
|  8 | Explorer (2 models)   | Explorer   | Ford    |
+----+-----------------------+------------+---------+

第三行删除多余的记录并重新排列列并重置索引

|    | maker   | model      |
|----+---------+------------|
|  0 | Honda   | Accord     |
|  1 | Honda   | Civic      |
|  2 | Honda   | Pilot      |
|  3 | Toyota  | Prius      |
|  4 | Toyota  | Highlander |
|  5 | Ford    | Explorer   |

编辑:

一个更“可爱”的版本(我喜欢单行本)

df = df['T'].str.extractall('(.+)\[|(.+)\(').apply(
    lambda x: x.ffill() 
    if x.name==0 
    else x).dropna(subset=[1]).reset_index(
    drop=True).rename(columns={1:'Model',0:'Maker'})

以上工作原理如下 extractall 将返回一个包含两列的 DataFrame；专栏0对应于使用第一组提取的正则表达式中的组 '(.+)\['即制造商记录以；和列 1 ，对应于第二组即'(.+)\(' , apply 用于遍历列，列名为0将被修改为通过 ffill 向前传播“Maker”值和列 1将保持原样。 dropna 然后与子集 1 一起使用删除列 1 中值所在的所有行是NaN , reset_index 用于删除多索引 extractall产生。最后使用 rename 重命名列和对应字典

另一个衬里(func ;))

 df['T'].apply(lambda line: [line.split('[')[0],None] if line.count('[') 
                       else [None,line.split('(')[0].strip()]
              ).apply(pd.Series
                      ).rename(
                            columns={0:'Maker',1:'Model'}
                        ).apply(
                         lambda col: col.ffill() if col.name == 'Maker' 
                         else col).dropna(
                                    subset=['Model']
                                    ).reset_index(drop=True)