Python 将逗号分隔的值拆分为多列，并在其旁边添加一个空列，以映射名称-熊猫

我有一个用逗号分隔的数字列，现在这些值应该被拆分成新的列

 Site       UserId
   ABC           '456,567,67,96'
   DEF           '67,987'
 

新的数据帧应如下所示：

Site     UserID              UserId1  UserId2  UserId3  UserId4
ABC     '456,567,67,96'      456       567      67        96
DEF     '67,987'             67        987
POC     '4321,96,912         4321      87       912  

在每列旁边还有一个空列，用于将数字与名称映射。 使用者

因此，最终的数据帧是：

  Values              Value1  Name1            Phone1         Value2   Name2         Value3 Name3      Value4 Name4
 '456,567,67,96'       456    Ups_Meter456       8987222112    567      Ups_Meter567      67     DGB_Meter   96   DG_Meter96
    '67,987'            67    DGB_Meter                        987      EB_Meter987
    '4321,96,912        4321    EB_Meter          9980688666    96       DG_Meter96    912    DG_Meter912

用于新的

数据帧

：

df = df1['UserID'].str.strip("'").str.split(',',expand=True)
print (df)
      0    1     2     3
0   456  567    67    96
1    67  987  None  None
2  4321   96   912  None

然后将

df2['UserId']

转换为字符串，用于映射通过重塑的数据，然后通过以下方式重塑回

DataFrame

：

通过将

MultiIndex

by中的列的更改顺序连接在一起，最后用

f-string

s展平列表理解中的

MultiIndex

，并通过以下方式添加列

df1[[['UserID']

：

如有必要，将

None/NaN

s替换为空字符串：

---

该解决方案工作正常，但是原始文件中有许多列（站点等）以及用户ID。因此，最终的数据帧也应该包括这些列。@haristhedy-Change

df=df1[['UserId']]。join（df）

to

df=df1。join（df）

Hi@jezrael我也想添加电话号码列..但代码返回了一个错误df3=df.stack（dropna=False）.map（s）.unstack（）…没有重复的电话号码，但返回了错误“仅对唯一值的索引对象重新索引有效”@haristhedy-你能发布新问题吗？

df = df1['UserID'].str.strip("'").str.split(',',expand=True)
print (df)
      0    1     2     3
0   456  567    67    96
1    67  987  None  None
2  4321   96   912  None

df2['UserId'] = df2['UserId'].astype(str)
s = df2.set_index('UserId')['UserName']
df3 = df.stack(dropna=False).map(s).unstack()
print (df3)
              0             1            2           3
0  Ups_Meter456  Ups_Meter567    DGB_Meter  DG_Meter96
1     DGB_Meter   EB_Meter987          NaN         NaN
2      EB_Meter    DG_Meter96  DG_Meter912         NaN

df = (pd.concat([df, df3], axis=1, keys=('Value','Name'))
        .sort_index(axis=1, level=[1,0], ascending=[True, False]))
df.columns = [f'{x}{y+1}' for x, y in df.columns]
df = df1.join(df)
print (df)
          UserID Value1         Name1 Value2         Name2 Value3  \
0  456,567,67,96    456  Ups_Meter456    567  Ups_Meter567     67   
1         67,987     67     DGB_Meter    987   EB_Meter987   None   
2    4321,96,912   4321      EB_Meter     96    DG_Meter96    912   

         Name3 Value4       Name4  
0    DGB_Meter     96  DG_Meter96  
1          NaN   None         NaN  
2  DG_Meter912   None         NaN  

df = df.fillna('')
print (df)

          UserID Value1         Name1 Value2         Name2 Value3  \
0  456,567,67,96    456  Ups_Meter456    567  Ups_Meter567     67   
1         67,987     67     DGB_Meter    987   EB_Meter987          
2    4321,96,912   4321      EB_Meter     96    DG_Meter96    912   

         Name3 Value4       Name4  
0    DGB_Meter     96  DG_Meter96  
1                                  
2  DG_Meter912