TL;DR バージョン:
次の単純なケースの場合:
- 区切り記号付きのテキスト列があり、2 つの列が必要です
最も簡単な解決策は次のとおりです。
df[['A', 'B']] = df['AB'].str.split(' ', 1, expand=True)
文字列の分割数が不均一で、欠損値を置き換えexpand=Trueたい場合に使用する必要があります。None
どちらの場合も、.tolist()メソッドは必要ないことに注意してください。どちらでもないzip()。
詳細に：
Andy Hayden のソリューションstr.extract()は、この手法の威力を示す点で最も優れています。
しかし、既知の区切り記号で単純に分割する場合 (ダッシュによる分割や空白による分割など) には、この.str.split()方法で十分です1。文字列の列 (シリーズ) を操作し、リストの列 (シリーズ) を返します。
>>> import pandas as pd
>>> df = pd.DataFrame({'AB': ['A1-B1', 'A2-B2']})
>>> df
AB
0 A1-B1
1 A2-B2
>>> df['AB_split'] = df['AB'].str.split('-')
>>> df
AB AB_split
0 A1-B1 [A1, B1]
1 A2-B2 [A2, B2]
1: の最初の 2 つのパラメーターが何をするかわからない場合は、メソッドのプレーンな Python バージョンの.str.split()ドキュメントを参照することをお勧めします。
しかし、どうやって行くのですか：
に：
.strさて、列の属性を詳しく調べる必要があります。
これは、列内の各要素を文字列として扱うメソッドを収集し、各要素にそれぞれのメソッドを可能な限り効率的に適用するために使用される魔法のオブジェクトです。
>>> upper_lower_df = pd.DataFrame({"U": ["A", "B", "C"]})
>>> upper_lower_df
U
0 A
1 B
2 C
>>> upper_lower_df["L"] = upper_lower_df["U"].str.lower()
>>> upper_lower_df
U L
0 A a
1 B b
2 C c
ただし、文字列の各要素をインデックスで取得するための「インデックス」インターフェイスもあります。
>>> df['AB'].str[0]
0 A
1 A
Name: AB, dtype: object
>>> df['AB'].str[1]
0 1
1 2
Name: AB, dtype: object
もちろん、この のインデックス インターフェースは、インデックスを.str作成できる限り、インデックスを作成する各要素が実際に文字列であるかどうかをあまり気にしません。したがって、次のようになります。
>>> df['AB'].str.split('-', 1).str[0]
0 A1
1 A2
Name: AB, dtype: object
>>> df['AB'].str.split('-', 1).str[1]
0 B1
1 B2
Name: AB, dtype: object
次に、イテラブルの Python tuple アンパックを利用して行うのは簡単なことです。
>>> df['A'], df['B'] = df['AB'].str.split('-', 1).str
>>> df
AB AB_split A B
0 A1-B1 [A1, B1] A1 B1
1 A2-B2 [A2, B2] A2 B2
もちろん、文字列の列を分割して DataFrame を取得することは非常に便利であるため、.str.split()メソッドはexpand=Trueパラメーターを使用してそれを行うことができます。
>>> df['AB'].str.split('-', 1, expand=True)
0 1
0 A1 B1
1 A2 B2
したがって、私たちが望んでいたことを達成する別の方法は次のとおりです。
>>> df = df[['AB']]
>>> df
AB
0 A1-B1
1 A2-B2
>>> df.join(df['AB'].str.split('-', 1, expand=True).rename(columns={0:'A', 1:'B'}))
AB A B
0 A1-B1 A1 B1
1 A2-B2 A2 B2
このexpand=Trueバージョンは、より長くなりますが、タプルのアンパック方法よりも明確な利点があります。タプルのアンパックは、異なる長さの分割をうまく処理しません:
>>> df = pd.DataFrame({'AB': ['A1-B1', 'A2-B2', 'A3-B3-C3']})
>>> df
AB
0 A1-B1
1 A2-B2
2 A3-B3-C3
>>> df['A'], df['B'], df['C'] = df['AB'].str.split('-')
Traceback (most recent call last):
[...]
ValueError: Length of values does not match length of index
>>>
ただし、十分な「分割」がない列にexpand=True配置することで、うまく処理できます。None
>>> df.join(
... df['AB'].str.split('-', expand=True).rename(
... columns={0:'A', 1:'B', 2:'C'}
... )
... )
AB A B C
0 A1-B1 A1 B1 None
1 A2-B2 A2 B2 None
2 A3-B3-C3 A3 B3 C3