在数据帧中拆分每个单元格（pandas/python）

我有一个由许多行和列组成的大熊猫数据帧，这些行和列包含二进制数据，如“0 | 1”、“0 | 0”、“1 | 1”、“1 | 0”，我希望将其拆分为两个数据帧，并/或进行扩展，这样（这两个数据帧对我都很有用）：

变成

        a   b   c   d
rowa1   1   0   0   1
rowa2   0   1   1   0
rowb1   0   0   0   0
rowb2   1   0   0   1
rowc1   0   1   1   0
rowc2   1   0   0   1

和/或

    df1:    a   b   c   d
    rowa    1   0   0   1
    rowb    0   0   0   0
    rowc    0   1   1   0


    df2:    a   b   c   d
    rowa    0   1   1   0
    rowb    1   0   0   1
    rowc    1   0   0   1

目前我正在尝试做如下的事情，但我相信这不是很有效，任何指导都会有帮助

Atmp_dict=defaultdict(list)
Btmp_dict=defaultdict(list)

for index,row in df.iterrows():
    for columnname in list(df.columns.values):
        Atmp_dict[columnname].append(row[columnname].split('|')[0])
        Btmp_dict[columnname].append(row[columnname].split('|')[1])

---

因为看起来所有的值都是字符串，所以可以使用

.str

访问器，使用管道作为分隔符，comme ca

将熊猫作为pd导入
df1=pd.DataFrame（）
df2=pd.DataFrame（）
#df的定义与第一个示例相同
对于df.列中的列：
df1[col]=df[col].str[0]
df2[col]=df[col].str[-1]

---

然后，您可能希望使用

astype（int）

user2734178将

df1

和

df2

重铸为

int

列，但他或她的答案有一些问题。这里有一个小的变化是有效的

import pandas as pd

df1 = pd.DataFrame()
df2 = pd.DataFrame()

# df is your original DataFrame
for col in df.columns:
    df1[col] = df[col].apply(lambda x: x.split('|')[0])
    df2[col] = df[col].apply(lambda x: x.split('|')[1])

这是另一个稍微优雅一点的选择。将回路替换为：

for col in df.columns:
    df1[col] = df[col].str.extract("(\d)\|")
    df2[col] = df[col].str.extract("\|(\d)")

---

这是相当紧凑的，但似乎应该有一个更简单，更紧凑的方式

df1 = df.applymap( lambda x: str(x)[0] ) 
df2 = df.applymap( lambda x: str(x)[2] )

或者像在其他答案中一样在列上循环。我认为这无关紧要。请注意，因为问题指定了二进制数据，所以只需执行

str[0]

和

str[2]

而不是使用

split

或

extract

就可以了（而且更简单）

或者你也可以这样做，这看起来很傻，但实际上它并没有什么问题，而且相当紧凑

df1 = df.stack().str[0].unstack()
df2 = df.stack().str[2].unstack()

---

stack

只需将其转换为一个系列，这样您就可以使用

str

，然后

unstack

将其转换回数据帧。

您的数据来自文件吗？是的，我加载为数据帧的文件可以添加输入文件外观的片段吗？您的答案不太正确，但您可以使用

str[0]修复它

与

str.split（“|”）[0]

FYI不同，我没有投反对票，但您可能希望修复或删除非常大的数据集，您对使用内置pandas函数（如.str.extract（）与使用python定义的lambda）的性能有何看法？我不确定extract是否以C语言实现extension@drootang我不确定在这种情况下，您可以使用ipython中的

%timeit

进行比较。一般来说，熊猫的优势在于能处理数字而不是字符串，所以这可能没什么大不了的。但是一般来说，

apply/lambda

比使用内置pandas方法要慢。@drootang好的，我在1000行数据上快速测试了你的2种方法和我的2种方法。从最快到最慢：拆分（3.28毫秒）、applymap（3.91毫秒）、堆栈（4.25毫秒）、提取（9.71毫秒）。有趣且令人惊讶！如果split是最快的，显式枚举列，我怀疑您在评论中建议只使用df[col].str[0]和df[col].str[1]可能是这里的冠军。

df1 = df.stack().str[0].unstack()
df2 = df.stack().str[2].unstack()