Pandas: 如何将一列中的文本拆分为多行？

在数据处理过程中，经常会遇到以下类型的数据：

在同一列中，本该分别填入多行中的数据，被填在一行里了，然而在分析的时候，需要拆分成为多行。

在上图中，列名为"Country" ，index为4和5的单元格内，值为"UK/Australia"和"UK/Netherland"。

今天，我们来介绍将含有多值的内容分拆成多行的几种方法。

加载数据

PS：可以通过左右滑动来查看代码

1. import pandas as pd

2. df = pd.DataFrame({'Country':['China','US','Japan','EU','UK/Australia', 'UK/Netherland'],

3.               'Number':[100, 150, 120, 90, 30, 2],

4.               'Value': [1, 2, 3, 4, 5, 6],

5.               'label': list('abcdef')})

6. df

7. Out[2]:

8.         Country  Number  Value label

9. 0          China     100      1     a

10. 1             US     150      2     b

11. 2          Japan     120      3     c

12. 3             EU      90      4     d

13. 4   UK/Australia      30      5     e

14. 5  UK/Netherland       2      6     f

1 Method-1

分为如下几步：

1. 将含有多值的列进行拆分，然后通过 stack()方法进行变换，并通过index的设置来完成

2. 用 drop()方法从DataFrame中删除含有多值的列

3. 然后用 join()方法来合并

1. df.drop('Country', axis=1).join(df['Country'].str.split('/', expand=True).stack().reset_index(level=1, drop=True).rename('Country'))

2. Out[3]:

3.   Number  Value label     Country

4. 0     100      1     a       China

5. 1     150      2     b          US

6. 2     120      3     c       Japan

7. 3      90      4     d          EU

8. 4      30      5     e          UK

9. 4      30      5     e   Australia

10. 5       2      6     f          UK

11. 5       2      6     f  Netherland

过程分步介绍

1. df['Country'].str.split('/', expand=True).stack()

2. Out[4]:

3. 0  0         China

4. 1  0            US

5. 2  0         Japan

6. 3  0            EU

7. 4  0            UK

8.   1     Australia

9. 5  0            UK

10.   1    Netherland

11. dtype: object

12. df['Country'].str.split('/', expand=True).stack().reset_index(level=1, drop=True)

13. Out[5]:

14. 0         China

15. 1            US

16. 2         Japan

17. 3            EU

18. 4            UK

19. 4     Australia

20. 5            UK

21. 5    Netherland

22. dtype: object

23. df['Country'].str.split('/', expand=True).stack().reset_index(level=1, drop=True).rename('Country')

24. Out[6]:

25. 0         China

26. 1            US

27. 2         Japan

28. 3            EU

29. 4            UK

30. 4     Australia

31. 5            UK

32. 5    Netherland

33. Name: Country, dtype: object

34. df.drop('Country', axis=1)

35. Out[7]:

36.   Number  Value label

37. 0     100      1     a

38. 1     150      2     b

39. 2     120      3     c

40. 3      90      4     d

41. 4      30      5     e

42. 5       2      6     f

2 Method-2

该方法的思路跟Method-1基本是一样的，只是在具体的细节方面有些差异。代码如下：

1. df['Country'].str.split('/', expand=True).stack().reset_index(level=0).set_index('level_0').rename(columns={0:'Country'}).join(df.drop('Country', axis=1))

2. Out[8]:

3.      Country  Number  Value label

4. 0       China     100      1     a

5. 1          US     150      2     b

6. 2       Japan     120      3     c

7. 3          EU      90      4     d

8. 4          UK      30      5     e

9. 4   Australia      30      5     e

10. 5          UK       2      6     f

11. 5  Netherland       2      6     f

过程分步介绍如下：

1. df['Country'].str.split('/', expand=True).stack().reset_index(level=0)

2. Out[9]:

3.   level_0           0

4. 0        0       China

5. 0        1          US

6. 0        2       Japan

7. 0        3          EU

8. 0        4          UK

9. 1        4   Australia

10. 0        5          UK

11. 1        5  Netherland

12. df['Country'].str.split('/', expand=True).stack().reset_index(level=0).set_index('level_0')

13. Out[10]:

14.                  0

15. level_0            

16. 0             China

17. 1                US

18. 2             Japan

19. 3                EU

20. 4                UK

21. 4         Australia

22. 5                UK

23. 5        Netherland

24. df['Country'].str.split('/', expand=True).stack().reset_index(level=0).set_index('level_0').rename(columns={0:'Country'})

25. Out[11]:

26.            Country

27. level_0            

28. 0             China

29. 1                US

30. 2             Japan

31. 3                EU

32. 4                UK

33. 4         Australia

34. 5                UK

35. 5        Netherland

36. df.drop('Country', axis=1)

37. Out[12]:

38.   Number  Value label

39. 0     100      1     a

40. 1     150      2     b

41. 2     120      3     c

42. 3      90      4     d

43. 4      30      5     e

44. 5       2      6     f

3 闲谈

当然，将某列中含有多值的单元拆分成多行，还有其他方法，各位小伙伴们可以研究下~~

本期推荐阅读：