从列中的不同值创建索引行 DataFrame

Question

我真的不知道如何给出一个好的描述性标题，但这是我的问题。让我们考虑一个DataFrame df:

     col_name
0    Category1
1     item1()
2     item2()
3    Category2
4     item3()
5     item4()
6     item5()

我需要得到这个。

     categories   items
0     Category1   item1
1     Category1   item2
2     Category2   item3
3     Category2   item4
4     Category2   item5

但是... categories 可以是大陆和 items 可能是国家。我知道，所有的项目都有 () 里面有一个表达式，所以我可以很容易地提供一个布尔掩码，然后创建一个包含 categories 与。

msk = df[~df['col_name'].str.contains('[^A-Za-z\s]')]['col_name'].tolist()

但现在，现在我被卡住了。请您给我点建议好吗？

Answer 1

让我们做 startswith 找到类别行，并创建另一列与 ffill

df['category']=df.col_name.mask(df.col_name.str.endwith('Category')).ffill()
#df['category']=df.col_name.mask(df.col_name.str.endswith(')')).ffill()
df=df[df.category!=df.col_name]
df
Out[241]: 
  col_name   category
1  item1()  Category1
2  item2()  Category1
4  item3()  Category2
5  item4()  Category2
6  item5()  Category2

Answer 2

这里需要指定如何区分非类别或类别值。在这些解决方案中，如果 ( 中的数据，然后用缺失值替换这些值，并向前填充，然后替换成 () 最后用原始掩码过滤。

m = df['col_name'].str.contains('(', regex=False)
df['categories'] = df['col_name'].mask(m).ffill()
df['items'] = df.pop('col_name').str.replace('[\(\)]', '')
df = df[m]

print (df)
  categories  items
1  Category1  item1
2  Category1  item2
4  Category2  item3
5  Category2  item4
6  Category2  item5

用你的掩码加上数字是解决方案改变的。

m = df['col_name'].str.contains('[^A-Za-z0-9\s]')
df['categories'] = df['col_name'].mask(m).ffill()
df['items'] = df.pop('col_name').str.replace('[\()]', '')
df = df[m]

print (df)
  categories  items
1  Category1  item1
2  Category1  item2
4  Category2  item3
5  Category2  item4
6  Category2  item5