根据文本将行拆分为两列（Python、Pandas）

这是我的数据帧（包含更多字母，长度约为35.5k）和其他相关字符串。所有变量都是字符串，['C1'，'C2']是多索引

tmp

C1    C2     C3    C4    C5    Start    End     C8
A     1      -      -     -    12       14      -
A     2      -      -     -    1,4,7    3,6,10  -
A     3      -      -     -    16,19    17,21   -
A     4      -      -     -    22       24      -

我需要它变成这样（拆分包含逗号的每一行，以维护所有其他内容）：

我试过这个剧本

作为

但是结果比它应该的要大得多！我有数千次重复，这只是试图分割“开始”。我甚至无法想象尝试对开始和结束都这样做（“开始”中的每个逗号都意味着“结束”中的一个逗号）

Lengths:
tmp   = 35568
s     = 35676
final = 293408

---

您可以从

s1

和

s2

创建新的

df

，然后。更好的方法是在中使用参数

expand=True

，并通过以下方式删除多列：

要创建列

外观

请使用

groupby

by

index

with

按注释编辑：

您可以先尝试

reset\u index

：

print (tmp)
      C3 C4 C5  Start     End C8
C1 C2                           
A  1   -  -  -     12      14  -
   2   -  -  -  1,4,7  3,6,10  -
   3   -  -  -  16,19   17,21  -
   4   -  -  -     22      24  -

tmp.reset_index(inplace=True)
print (tmp)
  C1  C2 C3 C4 C5  Start     End C8
0  A   1  -  -  -     12      14  -
1  A   2  -  -  -  1,4,7  3,6,10  -
2  A   3  -  -  -  16,19   17,21  -
3  A   4  -  -  -     22      24  -

---

我对展开的

'Start'

和

'End'

列进行了加密，以确保它们匹配，即使它们的条目数不相同

s = tmp.Start.str.split(',', expand=True).stack().rename('Start')
e = tmp.End.str.split(',', expand=True).stack().rename('End')
se = pd.concat([s, e], axis=1).reset_index(1, drop=True)

tmp.drop(['Start', 'End'], axis=1).merge(se, left_index=True, right_index=True)

---

“[293408行x 7列]”它的行数不应该与s1/s2的行数相同吗？（~35k）是长度

s1

和

s2

相同吗？

s1

的索引与

s2

的索引相同吗？是的！开始处的每个逗号都意味着结尾处有一个逗号。可能索引中有重复项-请首先尝试使用-

tmp.reset\u index（inplace=True）

有效！！！我肯定另一个答案也有效，但既然你是第一个，我就给你打勾。多亏了这两个答案。你能帮我添加“外观”列吗？这不是预期的吗？如果一行中有[1，4，7]，那么结果中将有两行额外的行。

TypeError:split（）得到一个意外的关键字参数“expand”

@Nico请删除该参数。您使用的是较旧的pandas版本。您的答案也很好；）+1

AttributeError:“Series”对象没有属性“stack”

@Nico很抱歉，我无法为您解决此问题，只能建议您将pandas升级到0.18.1，然后再次尝试jezrael或我的解决方案。

s1 = tmp['Start'].str.split(',', expand=True).stack()
s1.index = s1.index.droplevel(-1)
s1.name = 'Start'

s2 = tmp['End'].str.split(',', expand=True).stack()
s2.index = s2.index.droplevel(-1)
s2.name = 'End'
tmp.drop(['Start', 'End'], inplace=True, axis=1)

df = pd.DataFrame({'s1':s1, 's2':s2}, index=s1.index)
final = tmp.join(df)

final['Appearance'] = final.groupby(final.index).cumcount() + 1
print (final)
  C1  C2 C3 C4 C5 C8  s1  s2  Appearance
0  A   1  -  -  -  -  12  14           1
1  A   2  -  -  -  -   1   3           1
1  A   2  -  -  -  -   4   6           2
1  A   2  -  -  -  -   7  10           3
2  A   3  -  -  -  -  16  17           1
2  A   3  -  -  -  -  19  21           2
3  A   4  -  -  -  -  22  24           1

print (tmp)
      C3 C4 C5  Start     End C8
C1 C2                           
A  1   -  -  -     12      14  -
   2   -  -  -  1,4,7  3,6,10  -
   3   -  -  -  16,19   17,21  -
   4   -  -  -     22      24  -

tmp.reset_index(inplace=True)
print (tmp)
  C1  C2 C3 C4 C5  Start     End C8
0  A   1  -  -  -     12      14  -
1  A   2  -  -  -  1,4,7  3,6,10  -
2  A   3  -  -  -  16,19   17,21  -
3  A   4  -  -  -     22      24  -

s = tmp.Start.str.split(',', expand=True).stack().rename('Start')
e = tmp.End.str.split(',', expand=True).stack().rename('End')
se = pd.concat([s, e], axis=1).reset_index(1, drop=True)

tmp.drop(['Start', 'End'], axis=1).merge(se, left_index=True, right_index=True)