Python 如何根据特定格式取消列的堆叠？

My

df

有一列

unnamed

，其第一个元素为

'{company=*, location=world, industry=*, segment=*, feature=*, product=*, basekpi=customer_demand}'

第二个元素是

NaN

。我想将此列拆分为7列

公司

，

位置

，

行业

，

细分

，

功能

，

产品

，以及

基本KPI

。我的

预期的\u df

为

你能详细说明一下怎么做吗

import pandas as pd
unnamed = ['{company=*, location=world, industry=*, segment=*, feature=*, product=*, basekpi=customer_demand}',
           'NaN']
df = pd.DataFrame({'id': [0, 1], 'unnamed': unnamed})
df

---

可以替换不需要的字符串并拆分、分解然后取消堆叠：

s = (df['unnamed'].replace({"=":":","{":"","}":""},regex=True)
     .str.split(",").explode().str.split(":"))
u = pd.DataFrame(s.tolist(),s.index).set_index(0,append=True)[1].unstack()
out = df.join(u)

---

---

可以替换不需要的字符串并拆分、分解然后取消堆叠：

s = (df['unnamed'].replace({"=":":","{":"","}":""},regex=True)
     .str.split(",").explode().str.split(":"))
u = pd.DataFrame(s.tolist(),s.index).set_index(0,append=True)[1].unstack()
out = df.join(u)

---

我们可以将

findall

与regex捕获组一起使用，从

unnamed

列中提取键值对

pd.DataFrame(map(dict, df['unnamed'].str.findall(r'([^{=,]+)=([^,}]+)')))

---

正则表达式详细信息

• （[^{=，]+）

  ：第一个捕获组

  • [^=，]+

    ：匹配列表中不存在的任何字符一次或多次

• =

  ：按字面意思匹配

  =

  字符

• （[^，}]+）

  ：第二个捕获组

  • [^，]+

    ：匹配列表中不存在的任何字符一次或多次

在线查看

我们可以将

findall

与regex捕获组一起使用，从

unnamed

列中提取键值对

pd.DataFrame(map(dict, df['unnamed'].str.findall(r'([^{=,]+)=([^,}]+)')))

---

正则表达式详细信息

• （[^{=，]+）

  ：第一个捕获组

  • [^=，]+

    ：匹配列表中不存在的任何字符一次或多次

• =

  ：按字面意思匹配

  =

  字符

• （[^，}]+）

  ：第二个捕获组

  • [^，]+

    ：匹配列表中不存在的任何字符一次或多次

在线查看