python - pandas 中数据的清理

Question

我有一个以下格式的数据框:

 Col
 Honda [edit]   
 Accord (4 models)[1]  
 Civic  (4 models)[2]  
 Pilot  (3 models)[1]  
 Toyota [edit]  
 Prius  (4 models)[1]  
 Highlander (3 models)[4]  
 Ford [edit]  
 Explorer (2 models)[1]  

我想要以下格式的数据:

  A         B
  Honda     Accord  
  Honda     Civic  
  Honda     Pilot  
  Toyota    Prius   
  Toyota    Highlander

Answer 1

为测试字符串创建 bool 掩码[edit] by str.contains ，然后使用第一个 ( 或 [> 按空格分割列，用 where 将不匹配的值替换为 NaN 并将缺失值转发到列A。函数 insert 用于将新列添加到第一个位置。最后通过 boolean indexing 删除两列中相同的值，并通过 reset_index 创建默认索引:

mask = df['Col'].str.contains('[edit]', regex=False)
df['B'] = df.pop('Col').str.split('\s+\(|\s+\[', n=1).str[0]
df.insert(0, 'A', df['B'].where(mask).ffill())
df = df[df['A'] != df['B']].reset_index(drop=True)
print (df)
        A           B
0   Honda      Accord
1   Honda       Civic
2   Honda       Pilot
3  Toyota       Prius
4  Toyota  Highlander
5    Ford    Explorer

另一个解决方案:

items = []
for x in df['Col']:
    if x.endswith('[edit]'):
        a = x.rstrip(' [edit]')
    else:       
        b = x.split('(')[0].strip()
        items.append((a, b))

df = pd.DataFrame(items, columns=['A', 'B'])
print (df)
        A           B
0   Honda      Accord
1   Honda       Civic
2   Honda       Pilot
3  Toyota       Prius
4  Toyota  Highlander
5     For    Explorer