【pandas小技巧】--拆分列

拆分列是pandas中常用的一种数据操作，它可以将一个包含多个值的列按照指定的规则拆分成多个新列，方便进行后续的分析和处理。
拆分列的使用场景比较广泛，以下是一些常见的应用场景：

1. 处理日期数据：在日期数据中，经常会将年、月、日等信息合并成一列，通过拆分列可以将其拆分成多个新列，方便进行时间序列分析。
2. 处理地址数据：类似于日期数据，在地址数据中也经常会将省、市、区等信息合并成一列，通过拆分列可以将其拆分成多个新列，有利于进行地理位置分析。
3. 处理姓名数据：在一些数据集中，姓名通常会以“姓”、“名”两列呈现，通过拆分列可以将其分别提取出来，方便进行人口统计学分析。
4. 处理文本数据：在一些文本数据中，可能存在多个关键词同时出现的情况，通过拆分列可以将这些关键词拆分成多个新列，方便进行文本分类或聚类分析。

本篇简要介绍下pandas拆分列的常用方法。

1. 拆出列中部分信息

如下测试数据：

import pandas as pd

df = pd.DataFrame(
    {
        "姓名": ["张 三", "李 四", "王 五"],
        "地址": [
            "江苏省,南京市,建邺区",
            "浙江省,杭州市,余杭区",
            "安徽省,合肥市,庐阳区",
        ],
    }
)

df

提取姓和城市信息：

df["城市"] = df["地址"].str.split(",",
                             expand=True)[1]
df["姓"] = df["姓名"].str.split(" ",
                             expand=True)[0]
df

注意要加上 expand=True 参数。

因为：

1. expand=False：split后的值是Series
2. expand=True：split后的值是DataFrame

2. 拆分成多列

拆分成多列有两种方式：
第一种：

df[["省", "市", "区"]] = 
	df["地址"].str.split(",", expand=True)
df

第二种：这种方式不需要设置 expand=True

df["省"], df["市"], df["区"] = 
	zip(*df["地址"].str.split(","))
df

3. 使用正则拆分

除了直接按照字符来split列中的数据，也可以用正则表达式来split。
比如如下的场景，需要对客户的手机号进行保密，可以通过正则表达式来截断手机号，只保留最后四位。

df = pd.DataFrame(
    {
        "单号": ["0001", "0002", "0003"],
        "手机号": [
            "13900000001",
            "18922233344",
            "15955566677",
        ],
    }
)


df["截断手机号"] = df["手机号"].str.split(
    r"\d{7}",
    expand=True,
    regex=True,
)[1]
df

通过正则表达式，可以更加灵活的拆分列的数据。