Python：当组标签和单个单元位于原始数据的同一列中时，为它们创建单独的列

我是Python新手，我怀疑以前可能有人问过这个问题，但我确实找不到任何相关的线程。因此，这是一个问题

我打算创建一个数据框架，其中包含“组标签”和“单个单元”的单独列，但原始数据的结构如下：

import pandas as pd
df = pd.read_table('df.txt',  names = 'data')

上面写着

        data
0 group1
1 unit_a
2 unit_b
3 group2
4 unit_c
5 unit_d
6 unit_e
7 group3
8 unit_f
9 unit_g
...

但我想创建一个这样的数据帧

       Group   Unit
    0 group1 unit_a
    1 group1 unit_b
    2 group2 unit_c
    3 group2 unit_d
    4 group2 unit_e
    5 group3 unit_f
    6 group3 unit_g
    ...

也就是说，在原始数据中，单位列在各自的组标签下，并且都列在同一列中，而每个组可能包含不同数量的单位。因此，我很难使用时间间隔或其他方法对数据进行切片。如何将原始数据排序或切片为所需的两列数据帧类型输出

---

提前感谢。

最基本的方法是使用

str.contains

，用屏蔽值分配一个新列，过滤列匹配的行（例如

group1，group1

），然后重置索引

df = (df.assign(group=df[df.data.str.contains('group')])
        .ffill()
        .query('data != group')
        .reset_index(drop=True)
        .rename(columns={'data':'unit'}))

我忍不住觉得有一个更简单的方法来解决这个问题

演示

>>>> (df.assign(group=df[df.data.str.contains('group')])
        .ffill()
        .query('data != group')
        .reset_index(drop=True))  
        .rename(columns={'data':'unit'}))

     unit   group
0  unit_a  group1
1  unit_b  group1
2  unit_c  group2
3  unit_d  group2
4  unit_e  group2
5  unit_f  group3
6  unit_g  group3

---

这些字符串实际上是名为

group1

和

unit\u a

的字符串，还是您在这里使用占位符来表示一些实际数据？谢谢提醒！它们是字符串（组名、个人名）。感谢您的回复。我添加了方括号来子集原始数据框，该数据框给出了几个唯一的组名。mask=df[df['data'].str.contains（“group”）]但对于以df[mask]开始的第二步，由于mask和df是不同长度的数据帧，因此建议的方法将不起作用。我将继续研究您提供的代码。我在另一个论坛上看到，建议使用部分字符串匹配，但我目前无法做到这一点。更新：抱歉，我没有看到你的更新代码。我将尝试实现它。我陷入了困境。query（'data！=group'）Python返回一条错误消息，其中缺少“data”的定义。.query（'data！=group'）中的“data”是等同于df['a']或df的数据帧吗？谢谢你。它是示例数据框中标记为

data

的列。它可以工作！可以肯定的是，代码没有问题。我对“DataFrame.query（）”中的字符串问题理解缓慢，这是罪魁祸首。也就是说，您的代码（和这个线程）提高了我对这个问题的理解。非常感谢。稍后我会发布我修改过的代码。