python - 删除短语和括号并对数据框进行排序

Question

给定示例数据框:

df = 

                               multi
0 MULTIPOLYGON(((1.1 1.2, 2.1 2.2)))
1 MULTIPOLYGON(((3.1 3.2, 4.1 4.2)))
2 MULTIPOLYGON(((5.1 5.2, 6.1 6.1)))

不合理的输出:

df = 

 a_1 b_1 a_2 b_2 a_3 b_3
 1.1 1.2 3.1 3.2 5.1 5.2
 2.1 2.2 4.1 4.2 6.1 6.2

<小时/>

我做了很长的过程，即使放在这里也很糟糕。

1. 第一步:

删除MULTIPOLYGON，然后删除(((，然后)))

第二步:

用逗号分割

第三步:

转置然后按空间分割

我确信应该有更好、更明智的方法来做到这一点(在 excel 上很容易做到，但我需要用 python 做到)

Answer 1

使用str.extract、str.split、transform和pd.concat:

我们可以通过多个步骤来完成此操作:

1. 首先我们提取 ((( ... ))) 之间的数字
2. 然后我们对 进行拆分， 并将行转换为列
3. 我们在空格上分割每两个数字，并并排连接新数据

temp = df['multi'].str.extract('\(\(\((.*)\)\)\)')[0].str.split(',', expand=True).T

df_new = pd.concat(
    [temp[col].str.strip().str.split(' ', expand=True)\
     .rename(columns={0:f'a_{n+1}', 1:f'b_{n+1}'}) 
     for n, col in enumerate(temp.columns)], axis=1
)

输出

   a_1  b_1  a_2  b_2  a_3  b_3
0  1.1  1.2  3.1  3.2  5.1  5.2
1  2.1  2.2  4.1  4.2  6.1  6.2

<小时/>

更多说明:

列表理解看起来相当复杂，所以写成一个普通的for循环，它是:

newdata = []
for n, col in enumerate(temp.columns):
    dftemp = temp[col].str.strip().str.split(' ', expand=True)
    dftemp = dftemp.rename(columns={0:f'a_{n+1}', 1:f'b_{n+1}'}) 

    newdata.append(dftemp)

newdf = pd.concat(newdata, axis=1)