Welcome to pandas!

4.6 拆分为表列

1、拆分列

被处理的数据类型必须是字符串类型，结构为s.srt函数，如果Series的数据类型不是文本字符类型，则需要转换。

s.str.split(pat=none,n=-1,expand=”true”)

pat ：可先参数，拆分时的分隔符，可以是普通字符或正则表达式，如果未指定，则按空格拆分。

n ：可选参数，设置拆分次数，none,-1,0都表示全部拆分。

expand ：可选参数，是否将拆分的字符串展开为单独的列，如果为True，则返因DataFrame表格，如果为False，则返回为含字符串的列表Series数据，默为False

import pandas as pd

s=pd.Series([ "lucas-95-34","lily-23","Bob-76-35" ])

t1=s.str.split( "-" )

t2=s.str.split( "-" , expand = True )

print (t1)

print (t2)

返回：

dtype: object

import pandas as pd

s=pd.Series([ "lucas95","lily23","Bob35" ])

t1=s.str.split( "(?<=\D)(?=\d)" , expand = True )

t2=s.str.split( "(?<=\D)(?=\d)" )

print (t1)

print (t2)

返回：

dtype: object

import pandas as pd ,numpy as np

df=pd.read_excel(r "D:\Pyobject2023\object\测试\素材\测试素材.拆分后求和.xlsx" )

print (df)

df[ "总分" ]=df.分数.str.split( "、" ).apply( lambda l :sum(np.array( l , dtype = "int" )))

print (df)

返回：

3、提取（向列方向扩展）

在pandas中，如果需要执行数据的提取，则使用s.str.extract()函数。

s.srt.extract(pat,flags=0,expand=True)

pat ：分组的正则表达式模式，如果命名分组，则是列名

flags ：re模块中的标志

expand ：如果为True，则返回DataFrame，如果为False，只有1个分组返回Series，有多个分组则返回DataFrame

import pandas as pd

s=pd.Series([ "张三100","lucass78","Bob78" ])

t=s.str.extract( "(?P<:姓名>:\D+)(?P<:分数>:\d+)" )

print (t)

返回：

4、提取（向行方向扩展）

可以用extractal()函数扩展为多行

import pandas as pd

s=pd.Series([ "张三100李四45","lucass78jim67","Bob78狗剩45" ])

df=s.str.extractall( "(?P<:姓名>:\D+)(?P<:分数>:\d+)" ).astype({ "分数":"int" })

t=df.分数.sum()

print (t)

print (df)

返回：

413

5、提取（提取列的金额，姓名，分数）

import pandas as pd

df=pd.read_excel(r "D:\Pyobject2023\object\测试\素材\测试素材.提取金额、姓名.xlsx","采购" )

print (df)

df["金额"]=df.数据.str.extract( "(\d+)元" , expand = False )

print (df)

返回

import pandas as pd

df=pd.read_excel(r "D:\Pyobject2023\object\测试\素材\测试素材.提取金额、姓名.xlsx","名单" , index_col=0 )

print (df)

t=df.名单.str.extractall( "(?P<:姓名>:[一-龟]+)(?P<:分数>:\d+)" )

print (t)

返回：