[1016]DataFrame一列拆成多列以及一行拆成多行

文章目录

• • DataFrame一列拆成多列
  • DataFrame一行拆成多行
  • • 分割需求
    • 简要流程
    • 详细说明
    • • 0. 初始数据
      • 1. 使用split拆分
      • 2. 使用stack行转列
      • 3. 重置索引（删除多余的索引）并命名为C
      • 4. 使用join合并数据

DataFrame一列拆成多列

1. 读取数据

1. 将City列转成多列（以‘|’为分隔符）

这里使用匿名函数lambda来讲City列拆成两列。

DataFrame一行拆成多行

分割需求

在处理数据过程中，会需要将一条数据拆分为多条，比如： a|b|c 拆分为 a、b、c ，并结合其他数据显示为三条数据。

简要流程

• 将需要拆分的数据使用 split 拆分，并通过 expand 功能分成多列
• 将拆分后的多列数据使用 stack 进行列转行操作，合并成一列
• 将生成的复合索引重新进行 reset_index 保留原始的索引，并命名为 C
• 将处理后的数据和原始 DataFrame 进行 join 操作，默认使用的是索引进行连接

详细说明

0. 初始数据

df
=============================
# 显示df中的数据
      A    B          C
0    t1    china    a|b|c
1    t2    usa      d|e|f

1. 使用split拆分

对C列，按照|进行拆分

column_C = df['C'].str.split('|', expand=True)
=================================
# 显示column_C的数据
    0    1    2
0   a    b    c
1   d    e    f

2. 使用stack行转列

column_C = column_C.stack()
=================================
# 显示column_C的数据
0     0    a
      1    b
      2    c
1     0    d
      1    e
      2    f
## 前两列是索引，实际上column_C是一个未设置名字的Series

3. 重置索引（删除多余的索引）并命名为C

column_C = column_C.reset_index(level=1, drop=True, name='C')
==================================
# 显示column_C的数据
0    a
0    b
0    c
1    d
1    e
1    f
Name: C, dtype: object

4. 使用join合并数据

# 原始数据丢弃C列，然后与column_C合并
df_new = df.drop(['C'], axis=1).join(column_C)
===================================
# 显示df_new 的数据
      A    B          C
0    t1    china      a
0    t1    china      b
0    t1    china      c
1    t2    usa        d
1    t2    usa        e
1    t2    usa        f

参考：https://blog.csdn.net/Asher117/article/details/84346073/