Python将一列拆分为多列，并将拆分的列重新附加到原始数据帧中

我想将数据框中的一列拆分为多列，然后将这些列附加回原始数据框，并根据拆分的列是否包含特定字符串来拆分原始数据框

我有一个dataframe，它有一个列，列中的值用分号分隔，如下所示

import pandas as pd
data = {'ID':['1','2','3','4','5','6','7'], 
    'Residence':['USA;CA;Los Angeles;Los Angeles', 'USA;MA;Suffolk;Boston', 'Canada;ON','USA;FL;Charlotte', 'NA', 'Canada;QC', 'USA;AZ'],
    'Name':['Ann','Betty','Carl','David','Emily','Frank', 'George'],
    'Gender':['F','F','M','M','F','M','M']} 
df = pd.DataFrame(data) 

然后，我将该列拆分为如下所示，并根据它是否包含字符串

USA

将拆分的列拆分为两个

address = df['Residence'].str.split(';',expand=True)
country = address[0] != 'USA'
USA, nonUSA = address[~country], address[country]

现在，如果您运行

USA

和

nonUSA

，您会注意到

nonUSA

中有额外的列，还有一行没有国家信息。所以我去掉了那些

NA

值

USA.columns = ['Country', 'State', 'County', 'City']
nonUSA.columns = ['Country', 'State']
nonUSA = nonUSA.dropna(axis=0, subset=[1])
nonUSA = nonUSA[nonUSA.columns[0:2]]

现在我想将

USA

和

nonUSA

附加到我的原始数据帧，这样我将得到两个如下所示的数据帧：

USAdata = pd.DataFrame({'ID':['1','2','4','7'], 
    'Name':['Ann','Betty','David','George'],
    'Gender':['F','F','M','M'],
    'Country':['USA','USA','USA','USA'],
    'State':['CA','MA','FL','AZ'],
    'County':['Los Angeles','Suffolk','Charlotte','None'],
    'City':['Los Angeles','Boston','None','None']})
nonUSAdata = pd.DataFrame({'ID':['3','6'], 
    'Name':['David','Frank'],
    'Gender':['M','M'],
    'Country':['Canada', 'Canada'],
    'State':['ON','QC']})

不过我被困在这里了。我如何将我的原始数据框拆分为居住在

的人是否包括
美国
，并将居住在
的人（
美国
和
非美国
）的拆分列附加回我的原始数据框

（另外，我刚刚上传了目前为止我拥有的所有内容，但我很好奇是否有更干净/更智能的方法来做到这一点。）
原始数据中有唯一的索引，并且在下一个代码中两个数据帧都没有更改，因此您可以使用连接，然后通过或
concat
使用
axis=1
：

address = df['Residence'].str.split(';',expand=True)
country = address[0] != 'USA'
USA, nonUSA = address[~country], address[country]
USA.columns = ['Country', 'State', 'County', 'City']

nonUSA = nonUSA.dropna(axis=0, subset=[1])
nonUSA = nonUSA[nonUSA.columns[0:2]]
#changed order for avoid error
nonUSA.columns = ['Country', 'State']


或：

但似乎可以简化：

c = ['Country', 'State', 'County', 'City']
df[c] = df['Residence'].str.split(';',expand=True)
print (df)
  ID                       Residence    Name Gender Country State  \
0  1  USA;CA;Los Angeles;Los Angeles     Ann      F     USA    CA   
1  2           USA;MA;Suffolk;Boston   Betty      F     USA    MA   
2  3                       Canada;ON    Carl      M  Canada    ON   
3  4                USA;FL;Charlotte   David      M     USA    FL   
4  5                              NA   Emily      F      NA  None   
5  6                       Canada;QC   Frank      M  Canada    QC   
6  7                          USA;AZ  George      M     USA    AZ   

        County         City  
0  Los Angeles  Los Angeles  
1      Suffolk       Boston  
2         None         None  
3    Charlotte         None  
4         None         None  
5         None         None  
6         None         None  

您的第一种方法非常有效，我不知道我可以将数据帧连接在一起。对于简化版，我想知道如果我的
USA
和
nonUSA
的列名没有重叠，是否可以做类似的事情。（例如，如果
USA
列名仍然是
['Country'、'State'、'Country'、'City']，但是如果
nonUSA`列名是
['CountryB'、'StateB']
或者类似的东西，类似的方法还会起作用吗？@Jen-如果需要不同的列名需要您的解决方案，那么就为
['CountryB'，'StateB']
用于
USA
行，而
['Country'，'State'，'County'，'City']
中缺少值用于
非USA
行。
df = df.join(pd.concat([USA, nonUSA]))
print (df)
  ID                       Residence    Name Gender Country State  \
0  1  USA;CA;Los Angeles;Los Angeles     Ann      F     USA    CA   
1  2           USA;MA;Suffolk;Boston   Betty      F     USA    MA   
2  3                       Canada;ON    Carl      M  Canada    ON   
3  4                USA;FL;Charlotte   David      M     USA    FL   
4  5                              NA   Emily      F     NaN   NaN   
5  6                       Canada;QC   Frank      M  Canada    QC   
6  7                          USA;AZ  George      M     USA    AZ   

        County         City  
0  Los Angeles  Los Angeles  
1      Suffolk       Boston  
2          NaN          NaN  
3    Charlotte         None  
4          NaN          NaN  
5          NaN          NaN  
6         None         None  

c = ['Country', 'State', 'County', 'City']
df[c] = df['Residence'].str.split(';',expand=True)
print (df)
  ID                       Residence    Name Gender Country State  \
0  1  USA;CA;Los Angeles;Los Angeles     Ann      F     USA    CA   
1  2           USA;MA;Suffolk;Boston   Betty      F     USA    MA   
2  3                       Canada;ON    Carl      M  Canada    ON   
3  4                USA;FL;Charlotte   David      M     USA    FL   
4  5                              NA   Emily      F      NA  None   
5  6                       Canada;QC   Frank      M  Canada    QC   
6  7                          USA;AZ  George      M     USA    AZ   

        County         City  
0  Los Angeles  Los Angeles  
1      Suffolk       Boston  
2         None         None  
3    Charlotte         None  
4         None         None  
5         None         None  
6         None         None