Pandas进阶之DataFrame行列拆分

数据

• 需求：将Brands_rank列中的不同品牌名，单独列出来
• 观察数据：不同的品牌名，由横杆(-)隔开，第3行只有1个横杆(-)
• 为实现需求，可以将Brands_rank列拆为3列，或者将3行Brands_rank数据拆为8行。

# -*- coding:utf-8 -*-
import pandas as pd
import numpy as np

df
    Type        Brands_rank
0   Computer    Mac-Dell-Lenovo
1   Phone       Mac-XiaoMi-HuaWei
2   Pad         Mac-HuaWei

一列拆多列

1. 获取Type列

df_column = df.Type.to_frame()

print(df_column)
    Type
0   Computer
1   Phone
2   Pad

2. 基于Brands_rank列构造多列

• 方法一：当截取的内容长度和位置固定时，可直接使用字符串切片，本例中，以截取Brands_rank的Mac为例

df_column['Brands-First'] = df.Brands_rank.astype('str').str[0:3]

print(df_column)
    Type        Brands-First
0   Computer    Mac
1   Phone       Mac
2   Pad         Mac

• 方法二：当截取的内容长度不固定时，如Brands_rank中横杆(-)的中间部分，字符串长度不一致，使用字符串分割函数split()

df_column['Brands-Second'] = df.Brands_rank.apply(lambda x: x.split('-')[1])  

print(df_column)
    Type      Brands-First  Brands-Second
0   Computer    Mac           Dell
1   Phone       Mac           XiaoMi
2   Pad         Mac           HuaWei

• 方法三：当分隔符个数不同时，需要对分隔符的个数做判断，本例中是横杆(-)，其个数不够2个时返回None。一列拆为3列的结果如下：

df_column['Brands-Third'] = df.Brands_rank.apply(lambda x: x.split('-')[2] if x.count('-') >= 2 else np.nan)  

print(df_column)
    Type      Brands-First  Brands-Second   Brands-Third
0   Computer     Mac            Dell          Lenovo
1   Phone        Mac           XiaoMi         HuaWei
2   Pad          Mac           HuaWei         NaN

一行拆多行

1. 方法一：基于一列拆多列的结果，多次选取列再拼接。该方法容易理解，前提是需要先实现一列拆多列、代码冗余不优雅

df_index_1 = df_column[['Type', 'Brands-First']].rename(columns={'Brands-First':'Brands'})
df_index_2 = df_column[['Type', 'Brands-Second']].rename(columns={'Brands-Second':'Brands'})
df_index_3 = df_column[['Type', 'Brands-Third']].rename(columns={'Brands-Third':'Brands'})
df_index = pd.concat([df_index_1, df_index_2, df_index_3]).dropna().sort_index() 

print(df_index)
    Type        Brands
0   Computer    Mac
0   Computer    Dell
0   Computer    Lenovo
1   Phone       Mac
1   Phone       XiaoMi
1   Phone       HuaWei
2   Pad         Mac
2   Pad         HuaWei

2. 方法二、直接对Brands_rank列进行分割(split)，再堆叠(stack)处理，堆叠后会出现多级索引，删除多级索引后再拼接。3行拆分为8行的结果如下：

df_index = df.Brands_rank.str.split('-', expand=True).stack().to_frame() 
df_index = df_index.reset_index(level=1, drop=True).rename(columns={0:'Brands'}) 

df[['Type']].join(df_index) 

    Type        Brands
0   Computer    Mac
0   Computer    Dell
0   Computer    Lenovo
1   Phone       Mac
1   Phone       XiaoMi
1   Phone       HuaWei
2   Pad         Mac
2   Pad         HuaWei