python - 如何将字符串拆分为字符矩阵

Question

假设我们在 Python 中有这个数组:

import pandas as pd
arr = pd.DataFrame(['aabbc','aabccca','aa'])

我想将每一行拆分为其字符的列。行的长度可能不同。这是我期望的输出(在本例中为 3*7 矩阵):

  1   2   3   4   5   6   7
1 a   a   b   b   c   Na  Na
2 a   a   b   c   c   c   a
3 a   a   Na  Na  Na  Na  Na

我的矩阵的行数是 20000，我不喜欢使用 for 循环。原始数据是蛋白质序列。我读过[1] , [2] , [3]等等，他们没有帮助我。

Answer 1

选项 1
一种简单的方法是使用列表理解。

pd.DataFrame([list(x) for x in arr[0]])

   0  1     2     3     4     5     6
0  a  a     b     b     c  None  None
1  a  a     b     c     c     c     a
2  a  a  None  None  None  None  None

或者，使用 apply(list) 执行相同的操作。

pd.DataFrame(arr[0].apply(list).tolist())

   0  1     2     3     4     5     6
0  a  a     b     b     c  None  None
1  a  a     b     c     c     c     a
2  a  a  None  None  None  None  None

<小时/>

选项 2
可以使用 extractall + unstack 替代。您最终将得到列的多重索引。您可以删除结果的第一级。

v = arr[0].str.extractall(r'(\w)').unstack()
v.columns = v.columns.droplevel(0)

v

match  0  1     2     3     4     5     6
0      a  a     b     b     c  None  None
1      a  a     b     c     c     c     a
2      a  a  None  None  None  None  None

<小时/>

选项 3
操作 View -

v = arr[0].values.astype(str)
pd.DataFrame(v.view('U1').reshape(v.shape[0], -1))

   0  1  2  3  4  5  6
0  a  a  b  b  c      
1  a  a  b  c  c  c  a
2  a  a       

这会为您提供空字符串 ('')，而不是单元格中的 None。如果您想将它们添加回来，请使用replace。