python - 如何将子字符串拆分为数据帧的新行？

Question

我有一个数据框，其中包含输入的数据，单词之间没有空格，即沃尔沃萨博沃克斯豪尔 = 沃尔沃萨博沃克斯豪尔。我想分隔每个单词并为每个单词插入新行，其中包含与其源自的行相同的数据 -

type                year colour
Mazda               1990 Cyan
VolvoSaabVauxhall   2000 Red
Lada                1980 Black

变成了

type          year  colour
Mazda         1990  Cyan
Volvo         2000  Red
Saab          2000  Red
Vauxhall      2000  Red
Lada          1980  Black

在不使用迭代的情况下实现这一目标的最佳方法是什么？

Answer 1

你说

it's always a Capital letter preceded by a lower case letter

所以它的正则表达式是

[A-Z][^A-Z]*

大写字母 ([A-Z])，后跟零个或多个 (*) 非大写字母(带有 ^)。

• 所以我们可以找到所有这样的匹配
• 将类型列指定为这些结果的列表
• 分解类型列

所以在代码中:

df.type = df.type.str.findall(r"[A-Z][^A-Z]*")
df      = df.explode("type", ignore_index=True)

(如果你想很酷地将其写在一行中，请查找分配)

示例运行:

In [436]: df
Out[436]:
                type  year colour
0              Mazda  1990   Cyan
1  VolvoSaabVauxhall  2000    Red
2               Lada  1980  Black

In [437]: df.type.str.findall(r"[A-Z][^A-Z]*")
Out[437]:
0                    [Mazda]
1    [Volvo, Saab, Vauxhall]
2                     [Lada]
Name: type, dtype: object

In [438]: df.type = df.type.str.findall(r"[A-Z][^A-Z]*")

In [439]: df
Out[439]:
                      type  year colour
0                  [Mazda]  1990   Cyan
1  [Volvo, Saab, Vauxhall]  2000    Red
2                   [Lada]  1980  Black

In [440]: df.explode("type", ignore_index=True)
Out[440]:
       type  year colour
0     Mazda  1990   Cyan
1     Volvo  2000    Red
2      Saab  2000    Red
3  Vauxhall  2000    Red
4      Lada  1980  Black

我将 ignore_index=True 传递给 explode；你可以取消通过并看看它做了什么!