Python 如何使用分隔符拆分pandas中的列,并在此过程中指定自定义的唯一名称?
我要拆分一个混合块,并分别为每列指定字母:Python 如何使用分隔符拆分pandas中的列,并在此过程中指定自定义的唯一名称?,python,pandas,split,Python,Pandas,Split,我要拆分一个混合块,并分别为每列指定字母: M1 M2 M3 M4 hybrid_block S1 S2 S3 S4 A T T A A|C C G C T T G C T T|A A T A T C A A C C|G G A C G G T G T G|T
M1 M2 M3 M4 hybrid_block S1 S2 S3 S4
A T T A A|C C G C T
T G C T T|A A T A T
C A A C C|G G A C G
G T G T G|T C T T T
使用以下代码:
d1 = pd.concat([
df.filter(like='M'),
df.hybrid_block.str.split('|', expand=True).rename(columns='H{}'.format),
df.filter(like='S')
], axis=1)
我得到的输出:
M1 M2 M3 M4 H0 H1 S1 S2 S3 S4
A T T A A C C G C T
T G C T T A A T A T
C A A C C G G A C G
G T G T G T C T T T
我想:
M1 M2 M3 M4 H_x H_y S1 S2 S3 S4
A T T A A C C G C T
T G C T T A A T A T
C A A C C G G A C G
G T G T G T C T T T
此外,如果有超过1个混合块,我希望通过为第一个块分配一个唯一的名称,如h1_x和h1_y
,为第二个块分配h2_x,h2_y
。
在重命名方法中使用字典而不是格式函数
d1 = pd.concat([
df.filter(like='M'),
df.hybrid_block.str.split('|', expand=True).rename(columns={0: 'H_x', 1: 'H_y'}),
df.filter(like='S')
], axis=1)
numpy
不知道你要做多少次,或者你的数据有多大,但这应该更快
def split_block(df):
v = df.values
i = df.columns.get_loc('hybrid_block')
col_left = df.columns[:i].tolist()
col_right = df.columns[i + 1:].tolist()
col = col_left + ['H_x', 'H_y'] + col_right
h = np.array(np.core.defchararray.split(v[:, i].astype(str), '|').tolist())
data = np.hstack([v[:, :i], h, v[:, i+1:]])
return pd.DataFrame(data, columns=col)
d1 = split_block(df)
您也可以使用以下方法:
[107]中的d1=pd.concat([
…:df.filter(like='M'),
…:df.hybrid|u block.str.extract(r'(?P[^\\\\]*)\\\\(?P[^\\\\]*)),expand=True),
…:df.filter(like='S')
…:],轴=1)
...:
In[108]:d1
出[108]:
M1 M2 M3 M4 H_x H_y S1 S2 S3 S4
0 A T A C C G C T
1 T G C T A T A T A T
2 C A C G A C G G
3GTGTGTT
如果您想自动查找混合列并拆分它们,这将是可行的
df = pd.DataFrame({'m1': ["A", "T"], 'hybrid1': ["A|C", "T|A"], 's1': ["C", "A"], 'hybrid2': ["B|D", "F|Z"], 'hybrid3': ["V|K", "M|L"]})
for i in range(len(df.columns)):
if (df.ix[:, i].str.len() >1).any():
df_i = pd.DataFrame(df.ix[:, i].str.split('|', expand=True).rename(columns={0: (list(df)[i])+'_x', 1: (list(df)[i])+'_y'}))
df = df.drop(df.columns[i], axis = 1)
df = pd.concat([df_i, df], axis=1)
df = pd.DataFrame({'m1': ["A", "T"], 'hybrid1': ["A|C", "T|A"], 's1': ["C", "A"], 'hybrid2': ["B|D", "F|Z"], 'hybrid3': ["V|K", "M|L"]})
for i in range(len(df.columns)):
if (df.ix[:, i].str.len() >1).any():
df_i = pd.DataFrame(df.ix[:, i].str.split('|', expand=True).rename(columns={0: (list(df)[i])+'_x', 1: (list(df)[i])+'_y'}))
df = df.drop(df.columns[i], axis = 1)
df = pd.concat([df_i, df], axis=1)