python - 拆分 pandas 数据框行时出现问题？

Question

我有以下 pandas 数据框:

在:

df

输出:

         A    B        C                                             D
0  0938320  usa   amazon              orange: $ 8.00| pineapple: $2.00
1  0938320  usa  alibaba                  orange: $ 8.00| apple: $2.00
2  0938320  usa     ebay  mint: $ 8.00| watermelon: $2.00| mint: $2.00
...
n  0938320  usa   amazon                  pear: $ 8.00| bannana: $2.00

我想按|分割并将其堆叠到 (*):

         A    B        C                  D
0  0938320  usa   amazon     orange: $ 8.00
1  0938320  usa   amazon   pineapple: $2.00
2  0938320  usa  alibaba     orange: $ 8.00
3  0938320  usa  alibaba       apple: $2.00
4  0938320  usa      bay       mint: $ 8.00
5  0938320  usa     ebay  watermelon: $2.00
6  0938320  usa     ebay        mint: $2.00
7  0938320  usa   amazon       pear: $ 8.00
...
8  0938320  usa   amazon     bannana: $2.00

所以，我尝试了以下方法:

在:

s = df2.D.str.split("|").apply(pd.Series, 1).stack()
s.index = s.index.droplevel(-1)
del df2['D']
df.join(s)

输出:

ValueError: Other Series must have a name

还有:

b = pd.DataFrame(df2.D.str.split('|').tolist(), index=df2['A','B','C']).stack()
b = b.reset_index()[[0, 'D']] 
b.columns = ['A','B','C']
b

但是，不起作用。我怎样才能修改最后一个方法以获得(*)？我想我的主要问题是我不知道如何获取 index=df2['A','B','C']).stack() 中的所有列.

Answer 1

您可以先将这3列设置为DF的索引，然后对第四列D进行拆分。使用 str.split 中的 expand=True 参数让获得的输出采用数据帧的形式.

In [55]: df
Out[55]: 
        A     B         C                                              D
0  938320   usa    amazon               orange: $ 8.00| pineapple: $2.00
1  938320   usa   alibaba                   orange: $ 8.00| apple: $2.00
2  938320   usa      ebay   mint: $ 8.00| watermelon: $2.00| mint: $2.00

In [56]: df_split = df.set_index(['A', 'B', 'C'])['D'].str.split('|', expand=True)

In [57]: df_split
Out[57]: 
                                    0                   1             2
A      B    C                                                          
938320  usa  amazon    orange: $ 8.00    pineapple: $2.00          None
             alibaba   orange: $ 8.00        apple: $2.00          None
             ebay        mint: $ 8.00   watermelon: $2.00   mint: $2.00

然后，stack他们获得一个完整的列(默认情况下删除 NaNs)，然后使用 reset_index 将其重新排列回来。

In [58]: df_split.stack().reset_index(level=[0,1,2], name='D').reset_index(drop=True)
Out[58]: 
        A     B         C                   D
0  938320   usa    amazon      orange: $ 8.00
1  938320   usa    amazon    pineapple: $2.00
2  938320   usa   alibaba      orange: $ 8.00
3  938320   usa   alibaba        apple: $2.00
4  938320   usa      ebay        mint: $ 8.00
5  938320   usa      ebay   watermelon: $2.00
6  938320   usa      ebay         mint: $2.00