diviser une chaîne de caractères en colonnes séparées dans pandas

Question

J'ai un cadre de données avec beaucoup de données et une colonne qui est structurée comme ceci :

index    var_1
1        a=3:b=4:c=5:d=6:e=3
2        b=3:a=4:c=5:d=6:e=3
3        e=3:a=4:c=5:d=6
4        c=3:a=4:b=5:d=6:f=3

J'essaie de structurer les données de cette colonne pour qu'elles ressemblent à ceci :

index    a   b   c   d   e   f
1        3   4   5   6   3   0
2        4   3   5   6   3   0
3        4   0   5   6   3   0
4        4   5   3   6   0   3

J'ai fait ce qui suit jusqu'à présent :

df1 = df['var1'].str.split(':', expand=True)

Je peux ensuite parcourir en boucle les colonnes de df1 et faire une autre division sur '=', mais je n'aurai alors qu'une multitude de colonnes d'étiquettes et de colonnes de valeurs désorganisées.

Answer 1

Utiliser la compréhension de liste avec des dictionnaires pour chaque valeur et passer à DataFrame constructeur :

comp = [dict([y.split('=') for y in x.split(':')]) for x in df['var_1']]
df = pd.DataFrame(comp).fillna(0).astype(int)
print (df)
   a  b  c  d  e  f
0  3  4  5  6  3  0
1  4  3  5  6  3  0
2  4  0  5  6  3  0
3  4  5  3  6  0  3

Ou utilisez Series.str.split con expand=True pour DataFrame , remodeler par DataFrame.stack Encore une fois, divisez, enlevez le premier niveau de MultiIndex et ajouter un nouveau niveau par 0 colonne, dernier remodelage par Series.unstack :

df = (df['var_1'].str.split(':', expand=True)
                 .stack()
                 .str.split('=', expand=True)
                 .reset_index(level=1, drop=True)
                 .set_index(0, append=True)[1]
                 .unstack(fill_value=0)
                 .rename_axis(None, axis=1))
print (df)
   a  b  c  d  e  f
1  3  4  5  6  3  0
2  4  3  5  6  3  0
3  4  0  5  6  3  0
4  4  5  3  6  0  3

Answer 2

Voici une approche utilisant str.get_dummies :

out = df.var_1.str.get_dummies(sep=':')
out = out * out.columns.str[2:].astype(int).values
out.columns = pd.MultiIndex.from_arrays([out.columns.str[0], out.columns])

---

print(out.max(axis=1, level=0))

       a  b  c  d  e  f
index                  
1      3  4  5  6  3  0
2      4  3  5  6  3  0
3      4  0  5  6  3  0
4      4  5  3  6  0  3

Answer 3

Vous pouvez appliquer "extractall" et "pivot".
Après "extractall", on obtient :

             0  1
index match      
1     0      a  3
      1      b  4
      2      c  5
      3      d  6
      4      e  3
2     0      b  3
      1      a  4
      2      c  5
      3      d  6
      4      e  3
3     0      e  3
      1      a  4
      2      c  5
      3      d  6
4     0      c  3
      1      a  4
      2      b  5
      3      d  6
      4      f  3

Et en une seule étape :

rslt= df.var_1.str.extractall(r"([a-z])=(\d+)") \
                .reset_index(level="match",drop=True) \
                .pivot(columns=0).fillna(0)                     

         1               
    0      a  b  c  d  e  f
    index                  
    1      3  4  5  6  3  0
    2      4  3  5  6  3  0
    3      4  0  5  6  3  0
    4      4  5  3  6  0  3

#rslt.columns= rslt.columns.levels[1].values