python - 如何从字符串/字符 "expand" Pandas 数据帧？

Question

我从列表的列表中生成了一个 pandas 数据框:

在:

lis = [['baby ferrets\ntype: mamal\n»age:2\n»food: Renal'],['dog\ntype: mamal\n»age: 3 months\n»food: dog food'], ['cat\ntype: mamal\n»age: 2\n»food: cat food'], ['bobcat (exotic pet)\ntype: mamal\n»age: 1\n»food: meat'], ['iguana\ntype: reptile\n»age: 2\n»food: crickets']]

df = pd.DataFrame(lis)
df

输出:

    0
0   baby ferrets\ntype: mamal\n»age:2\n»food: Renal
1   dog\ntype: mamal\n»age: 3 months\n»food: dog food
2   cat\ntype: mamal\n»age: 2\n»food: cat food
3   bobcat (exotic pet)\ntype: mamal\n»age: 1\n»food: meat
4   iguana\ntype: reptile\n»age: 2\n»food: crickets

如何将之前的数据帧转换为 (*):

    pet, type, age, food
0   baby ferrets, mammal, 2, Renal
1   dog, mammal, 3 months, dog food
2   cat, mammal, 2, cat food
3   bobcat (exotic pet), mammal, 1, meat
4   iguana, reptile, 2, crickets

当我创建一个 pandas 数据框时，我尝试这样做:

df = pd.DataFrame(lis, sep= '\n')

我也尝试过:

df['newcol'] = lis['pet'].str.extract('([A-Z]\w{0,})', expand=True)
df

但是，我并没有匹配所有的元素。是否可以使用 pandas 获取 (*) 格式？

Answer 1

这应该适用于加载后解析您的列。

def parse_col(r):
    return pd.Series(data=[i.split(':')[-1] for i in r[0].split('\n')], index=['name', 'type', 'age', 'food'])

df.apply(parse_col, axis=1)

    name    type    age food
0   baby ferrets    mamal   2   Renal
1   dog mamal   3 months    dog food
2   cat mamal   2   cat food
3   bobcat (exotic pet) mamal   1   meat
4   iguana  reptile 2   crickets

解释:

上面的 parse_col 函数接收 DataFrame 的每一行作为 pandas Series ，然后使用该系列的第一个也是唯一一个元素中的字符串 (r[0])。然后字符串被 '\n' 字符分割，因此每个数据字段都是列表的一个单独元素，并再次被 ':' 字符分割标签实际数据。最后，数据被重新组装成另一个 pd.Series并返回。 .apply() DataFrame 方法简单地将上述函数应用于框架的每一行。

也可以修改此函数以在加载到 DataFrame 之前解析列表。