在Pandas DataFrame中，将一列文本（含名称和数值）分割成多列。

Question

我的算法速度有问题，太慢了。我有一个大的数据框架，想根据其他数据框架的名称和值来创建列。我正在寻找一个解决方案，也许在Pandas中。在运行之前，我不知道未来的列的大小。这里是一个简单的模式。

"column"<==>"value"<br>"column"<==> "value"<br>...

我的数据框架

id |     params     |
---|-----------------
0  |currency<=>PLN<br>price<=>72.14<br>city<==>Berlin
---|-----------------
1  |price<=>90<br>area<=>72.14<br>city<==>San Francisco<br>rooms<==>2<br>is_Free<==>1
---|-----------------

我想拥有这样的东西

   id | price | currency |      city    | rooms | is_Free| area|
   ---|------ |----------|--------------|-------|--------|------
     0| 72.14 |  PLN     |     Berlin   |  NaN  |   NaN  |  NaN|
   ---|-------|----------|--------------|-------|--------|------
     1|  90   |  NaN     | San Francisco|   2   |    1   |  90 |

我的解决方案。

def add_parameters(df):
    for i,row in df.iterrows():
        parameters_list = row.params.split("<br>")
        for parameter in parameters_list:
            elem_list = parameter.split("<=>")
            if elem_list[0]  and elem_list[1] != '':
                df.loc[i, elem_list[0]] = elem_list[1]
    return df

谢谢你

Answer 1

这是一个方法来解决这个问题。

import re

# handle multiple seperator.
sep = re.compile(r"(<.*>)")


def split(value):
    ret = {}
    for s in value.split("<br>"):
        # search if seperator exists in the string & split based on sep.
        if sep.search(s):
            split_ = s.split(sep.search(s).group())
            ret[split_[0]] = split_[1]

    return ret

print(df['params'].apply(lambda x : split(x)).apply(pd.Series))

輸出

  currency  price           city   area rooms is_Free
0      PLN  72.14         Berlin    NaN   NaN     NaN
1      NaN     90  San Francisco  72.14     2       1

Answer 2

如果你想用list comp在一行中完成（但我不确定它是否可读）。

pattern = re.compile(r"<=*>")
df = df['params'].apply(lambda row: dict([pattern.split(kv) for kv in row.split("<br>")])).apply(pd.Series)