python - 如何按 '/' 拆分字符串并通过数据帧中的拆分子字符串对其进行重组？

Question

我需要根据字符 '/' 拆分单词并以这种方式改造单词:
这个数据框包含一些 child 和他们的复活节礼物。有些 child 有两件礼物，而有些 child 只有一件。

data = {'Presents':['Pink Doll / Ball', 'Bear/ Ball', 'Barbie', 'Blue Sunglasses/Airplane', 'Orange Kitchen/Car', 'Bear/Doll', 'Purple Game'],
        'Kids':  ['Chris', 'Jane', 'Betty', 'Harry', 'Claire', 'Sofia', 'Alex']
        }

df = pd.DataFrame (data, columns = ['Presents', 'Kids'])

print (df)

这个数据框看起来像这样:

                   Presents    Kids
0          Pink Doll / Ball   Chris
1                Bear/ Ball    Jane
2                    Barbie   Betty
3  Blue Sunglasses/Airplane   Harry
4        Orange Kitchen/Car  Claire
5                 Bear/Doll   Sofia
6               Purple Game    Alex

我试图划定他们的礼物，并以这种方式改造他们，保持他们相关的颜色: 'Pink Doll/Ball'将分为两部分: 'Pink Doll' , 'Pink Ball' .除此之外，同一个 child 应该与他们的礼物相关联。
颜色和礼物可以是任何东西，我们只知道 结构 是: 颜色 Present1/Present2 , 或 彩礼或只是 礼物 .所以最后应该是:

用于彩色演示/演示 --> 彩色演示 1 和彩色演示 2

对于彩色礼物 ---> 彩色礼物

礼物 ---> 礼物

所以最终的数据框应该是这样的:

           Presents    Kids
0         Pink Doll   Chris
1         Pink Ball   Chris
2              Bear    Jane
3              Ball    Jane
4            Barbie   Betty
5   Blue Sunglasses   Harry
6     Blue Airplane   Harry
7    Orange Kitchen  Claire
8        Orange Car  Claire
9              Bear   Sofia
10             Doll   Sofia
11      Purple Game    Alex

我的第一种方法是将列转换为列表并使用列表。像这样:

def count_total_words(string):
    total = 1
    for i in range(len(string)):
        if (string[i] == ' '):
            total = total + 1
    return total

coloured_presents_to_remove_list = []
index_with_slash_list = []
first_present = ''
second_present= ''
index_with_slash = -1
refactored_second_present = ''
for coloured_present in coloured_presents_list:
    if (coloured_present.find('/') >= 0):
        index_with_slash = coloured_presents_list.index(coloured_present)
        index_with_slash_list.append(index_with_slash)
        first_present, second_present = coloured_present.split('/')
        coloured_presents_to_remove_list.append(coloured_present)
        if count_total_words(first_present) == 2:
            refactored_second_present = first_present.split(' ', 1)[0] + ' ' + second_present
            second_present = refactored_second_present
        coloured_presents_list.append(first_present)
        coloured_presents_list.append(second_present)
        kids_list.insert(coloured_presents_list.index(first_present), kids_list[index_with_slash])
        kids_list.insert(coloured_presents_list.index(second_present), kids_list[index_with_slash])
        
for present in coloured_presents_to_remove_list:
    coloured_presents_list.remove(present)

for index in index_with_slash_list:
    kids_list.pop(index)

但是，我意识到在某些时候，我可能会错误地丢失一些索引，因此我尝试将 Pandas 用于数据帧。

mask = df['Presents'].str.contains('/', na=False, regex=False)
df['First Present'], df['Second Present'] = df.loc[mask, 'Presents'].split('/')

Answer 1

您可以使用 str.split使用 regex与 expand=True得到你的第一个和第二个礼物。请注意，这将处理三种情况 'present1/present2' , 'coulour present'和 'present' .在后两种情况下，新创建的列 'present2'将是 None .
办案'colour present1/present2'您可以使用 str.extract使用包含允许颜色的正则表达式(参见下面的 colours_regex)。这是为了区分颜色与由两个单词组成的礼物(例如 'Barby Doll' )。
最后一步是使用 melt与 'Kids'作为标识符

df[['present1', 'present2']] = df.Presents.str.split('\s*/\s*', expand=True)
colours_regex = '(Blue|Purple|Pink|Orange)'  # maybe not ideal if there are vast amounts of colours as this needs updating for every colour
df['colour'] = df.present1.str.extract(colours_regex)
df.loc[df.colour.notnull()&df.present2.notnull(), 'present2'] = df.loc[df.colour.notnull()&df.present2.notnull(), ['colour', 'present2']].agg(' '.join, axis=1)
result = df.melt(id_vars='Kids', value_vars=['present1', 'present2'], value_name='Present')
result = result.loc[result.Present.notnull(), ['Present', 'Kids']]