Python 如何使用Pandas将数据帧中的列拆分为两个单独的列

如何将a列拆分为两个单独的列。申请是解决这个问题的方法吗？我想保留数据框中的其他列

例如，我有一个名为“last_created”的专栏，其中有一组日期和时间：“2016-07-01 09:50:09”

我想用拆分值创建两个新列“date”和“time”

这是我尝试过的，但它返回了一个错误。由于某种原因，我的数据从str转换为float，所以我强制它转换为str

def splitter(row):
    row = str(row)
    return row.split()

df['date'],df['time'] = df['last_created'].apply(splitter)

错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-47-e5a9cf968714> in <module>()
      7     return row.split()
      8 
----> 9 df['date'],df['time'] = df['last_created'].apply(splitter)
     10 df
     11 #splitter(df.iloc[1,1])

ValueError: too many values to unpack (expected 2)

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
7返回行。拆分（）
8.
---->9 df['date']，df['time']=df['last_created']。应用（拆分器）
10 df
11#分路器（df.iloc[1,1]）
ValueError:要解压缩的值太多（应为2个）

在我的例子中，我只是使用函数。ipython源代码如下

In [5]: df = dict(data="", time="", last_created="")

In [6]: df
Out[6]: {'data': '', 'last_created': '', 'time': ''}

In [7]: df["last_created"] = "2016-07-01 09:50:09"

In [8]: df
Out[8]: {'data': '', 'last_created': '2016-07-01 09:50:09', 'time': ''}

In [9]: def splitter(row):
   ...:     row = str(row)
   ...:     return row.split()

In [10]: df["data"], df["time"] = splitter(df["last_created"])

In [11]: df
Out[11]:
{'data': '2016-07-01',
 'last_created': '2016-07-01 09:50:09',
 'time': '09:50:09'}

---

以下内容应该适合您。但是，将日期和时间存储为时间戳非常便于操作

df['date'] = [d.split()[0] for d in df['last_created']]
df['time'] = [d.split()[1] for d in df['last_created']]

如果

dtype

是

object

，则可以首先转换，然后使用and：

---

谢谢你，杰克。在具有更多行的较大df上，返回值错误：太多值无法解压缩（预期为2个）谢谢！因为值是从str转换成float的，所以我必须这样做：对于df['last_created']中的d:d=str（d）df['date']=d.split（）[0]

df = pd.DataFrame({'last_created':['2016-07-01 09:50:09', '2016-07-01 09:50:09']})
print (df)
          last_created
0  2016-07-01 09:50:09
1  2016-07-01 09:50:09

print (df.dtypes)
last_created    object
dtype: object

df['last_created'] = pd.to_datetime(df.last_created)

print (df.dtypes)
last_created    datetime64[ns]
dtype: object

df['date'], df['time'] = df.last_created.dt.date, df.last_created.dt.time
print (df)
         last_created        date      time
0 2016-07-01 09:50:09  2016-07-01  09:50:09
1 2016-07-01 09:50:09  2016-07-01  09:50:09