Python3 pandas庫(15) 分列 （上）str.split()

分列在我們日常工作中經常用到。從各種系統中導出的什麼訂單號啊，名稱啊，日期啊有很多都是複合組成的，這些列在匹配、合併時沒有辦法使用，我們經常需要將她們分開。

像下面的DataFrame, 櫃檯號是複合的，櫃檯名稱也是複合的，我們只需要後面一部分，並不需要前綴AAA, BBB, .....

網上搜索了一下，以前的做法是將要分的那列迭代並用split()分開，然後將分開後的數據新建一個DataFrame，然後再與原數據合併。比較複雜，大概的代碼如下：

df2=pd.DataFrame((x.split(-) for x in df[櫃檯名稱]),index=df.index,columns=[區域,店名])

df=pd.merge(df,df2,right_index=True, left_index=True)

其實原理清楚的話也不是很複雜。

當然我這裡還有稍微簡單的辦法，其實原理基本一樣，只是不再使用迭代，只需要 df[櫃檯名稱].str.split(-) 取代 x.split(-) for x in df[櫃檯名稱]

我們看到出來的結果已經有索引和列名，明顯已經是一個DataFrame了。這就是參數expand=True的作用。

在這裡新的DataFrame和原數據df都是使用的默認索引，索引是一致的，可以以索引為鍵，使用merge()合併。如果索引不同的話，就需要重新設置索引了。

最終的代碼只有這麼多：

pd.merge(df, pd.DataFrame(df[櫃檯名稱].str.split(-,expand=True)), how=left, left_index=True, right_index=True)

基本就成功了。

注意：

如果直接用某一列和split()來分列是不行的，因為Series數據類型是沒有split()的。

而如果先用.str將這一列轉換為類似字元串的格式，就能夠使用split()了。

str.split()有三個參數：

第一個參數就是引號里的內容：就是分列的依據。可以是空格，符號，字元串等等。

在上面這個圖裡，使用『2』作為分列依據，含有2的三行就分開了，沒有含2的就沒有分列。這種情況在後面轉換成DataFrame時會出錯。

第二個參數就是前面用到的expand=True，這個參數直接將分列後的結果轉換成DataFrame。

可能有的人會想到一個問題，如果用於分列的依據符號在有多個的話會發生什麼：

在這裡三個A，就分了三次。

第三個參數的n=數字就是限制分列的次數。

分列1次，變成兩列。

分列兩次，變成三列。

如果我想從最右邊的開始找分列的依據，可以使用rsplit()

在這裡三個A是挨在一起的看不出來左右。rsplit和split()的用法類似，一個從右邊開始，一個從左邊開始。