python - Pandas 函数将多行文本列拆分为多列

Question

我有一个格式如下的列 (stud_info)

stud_info = """Name: Mark
Address: 
PHX, AZ
Hobbies: 
1. Football
2. Programming
3. Squash"""

原始数据中的列 (stud_info) 是 stud_info，其中包含多行文本数据。我需要将它分成 3 列(姓名、地址和爱好)。对于简单的拆分，我们可以通过 lambda 函数来完成，但这是多行拆分，列名也是数据的一部分。 (即文本名称、地址和爱好不应成为列的一部分)。最后一列应该看起来像

请建议一种使用 Pandas 的方法。

Answer 1

给定:

df = pd.DataFrame({'stud_info': {0: 'Name: Mark\nAddress: \nPHX, AZ\nHobbies: \n1. Football\n2. Programming\n3. Squash'}})

我们可以为您的特定格式定义正则表达式，并使用 pd.Series.str.extract 方法将组分成不同的列。有关模式的解释，请参阅 Regexr .

import re

pattern = 'Name:\s(.+)\nAddress:\s\n(.+)\nHobbies:\s\n(.+)'
# We need flags=re.DOTALL to allow the final group to encompass multiple lines.
df[['Name', 'Address', 'Hobbies']] = df.stud_info.str.extract(pattern, flags=re.DOTALL)
print(df[['Name', 'Address', 'Hobbies']])

输出:

   Name  Address                                 Hobbies
0  Mark  PHX, AZ  1. Football\n2. Programming\n3. Squash