Python 基于带或的正则表达式拆分DataFrame列

我有一个数据框，其中有几列用户信息，“联系人1”和“联系人2”

联系人1 联系人2 1234567891 1234567891 没有一个 12345678 12345678 没有一个 12345678 1234567891 没有一个 1234567891 12345678 没有一个 1234567 1234567891 没有一个 1234567891 12345678 123456789 12345678911 没有一个 没有一个 没有一个

---

使用

str.extract

：

df[“联系人2”]=np.where（df[“联系人2”].isnull（），
df[“Contact 1”].str.extract（r'^\d{8,10}（\d{8,10}）$），
df[“联系人2”]）

我们还需要更新第一列：

df[“联系人1”]=df[“联系人1”].str.replace（r'^（\d{8,10}）\d{8,10}$'，r'\1'）

使用

str.extract

：

df[“联系人2”]=np.where（df[“联系人2”].isnull（），
df[“Contact 1”].str.extract（r'^\d{8,10}（\d{8,10}）$），
df[“联系人2”]）

我们还需要更新第一列：

df[“联系人1”]=df[“联系人1”].str.replace（r'^（\d{8,10}）\d{8,10}$'，r'\1'）

如果您对非正则表达式解决方案感兴趣：

创建符合条件的掩码或行

m = df['Contact 1'].str.split().apply(lambda x: all([len(n) in [8,10] for n in x]))

使用拆分/扩展的值更新df

df.update(df.loc[m]['Contact 1'].str.split(expand=True).rename(columns={0:'Contact 1',
                                                                        1:'Contact 2'}), overwrite=True)

---

如果您对非正则表达式解决方案感兴趣：

创建符合条件的掩码或行

m = df['Contact 1'].str.split().apply(lambda x: all([len(n) in [8,10] for n in x]))

使用拆分/扩展的值更新df

df.update(df.loc[m]['Contact 1'].str.split(expand=True).rename(columns={0:'Contact 1',
                                                                        1:'Contact 2'}), overwrite=True)

---

---

这不会产生所需的输出。@Chris现在正在使用

np。其中
仅为
联系人2
分配一个值，如果该值尚未为空。仍然需要修复第一列！非常感谢。我刚刚试过，它适用于每一行，除了有“Contact 2”值的行，在该行中它被覆盖为nan。我不知道为什么会这样，因为逻辑似乎很好。很抱歉，我忘了提到我的真实数据帧没有值，而不是空白。因此我将其更改为None，如下所示
df[“Contact 2”]=np.where（df[“Contact 2”]=None，df[“Contact 1”].str.extract（r'^\d{8,10}（\d{8,10}）$），df[“Contact 2”]
，但它不起作用。@user16170404 Use
isnull（）
在列上检查
None
。这不会产生所需的输出。@Chris现在正在使用
np。其中
仅为
联系人2指定一个值，如果它不是空的。仍然需要修复第一列！非常感谢。我刚刚试过，它适用于每一行，除了有“Contact 2”值的行，在该行中它被覆盖为nan。我不知道为什么会这样，因为逻辑似乎很好。很抱歉，我忘了提到我的真实数据帧没有值，而不是空白。因此我将其更改为None，如下所示
df[“Contact 2”]=np.where（df[“Contact 2”]=None，df[“Contact 1”].str.extract（r'^\d{8,10}（\d{8,10}）$），df[“Contact 2”]
，但它不起作用。@user16170404 Use
isnull（）
在列上检查
无
。请解释行
12345678 1234567891
的Contact 2列在处理后是如何获得值的？是的。由于12345678 1234567891由8位或10位数字（在本例中为8位）和空格组成，然后是由8位或10位数字（在本例中为10位）组成的数字，第二个数字应拆分为“联系人2”列。请您解释一下行
12345678 1234567891
的联系人2列在处理后是如何获得值的？是的。由于12345678 1234567891由8位或10位数字（在本例中为8位）和空格组成，然后由8位或10位数字（在本例中为10位）组成，因此第二个数字应拆分为“联系人2”列谢谢！这对于我的小数据帧非常有效，但是当我尝试在75000行的真实数据帧上运行您的第一行代码时，我得到了一个错误“TypeError:“NoneType”object is not iterable”，这很奇怪，因为我们刚刚用小数据帧证明了它对无值有效.str.split（）！！非常感谢。这对于我的小数据帧非常有效，但是当我尝试在75000行的真实数据帧上运行您的第一行代码时，我得到了一个错误“TypeError:“NoneType”object is not iterable”，这很奇怪，因为我们刚刚用小数据帧证明了它对无值有效.str.split（）！！