我有一个带有一列的数据框，我想将其分为两列，其中一列标题为' fips'，另一列为'row'
我的数据框df如下所示：
row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
我不知道如何使用df.row.str[:]以达到分割行单元的目的。我可以df['fips'] = hello用来添加一个新列，并用填充它hello。有任何想法吗？
fips row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
Answers:
也许有更好的方法，但这是一种方法：
row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
df = pd.DataFrame(df.row.str.split(' ',1).tolist(),
columns = ['flips','row'])
flips row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
index = df.index。
split方法返回NaN，该tolist方法将按原样返回此值（NaN），这将导致ValueError（要解决此问题，可以在拆分之前将其转换为字符串类型）。我建议您自己尝试一下，这是最好的学习方法:-)
df具有row列标题吗？您可能会认为这是某种DataFrame属性，但很明显，这是列的名称。如何创建和定义列标题取决于您，因此如果您使用其他标题（例如df.my_column_name.split(...)），请使用它。
对于以下简单情况：
最简单的解决方案是：
df['A'], df['B'] = df['AB'].str.split(' ', 1).str或者，您可以使用以下方法自动为拆分的每个条目创建一个带有一列的DataFrame：
df['AB'].str.split(' ', 1, expand=True)expand=True如果字符串的分割数不一致，并且要None替换缺失的值，则必须使用。
请注意，无论哪种情况，该.tolist()方法都是不必要的。都不是zip()。
安迪·海登（Andy Hayden）的解决方案最能证明该str.extract()方法的强大功能。
但是对于在已知分隔符上的简单拆分（例如，用破折号拆分或通过空格拆分），该.str.split()方法就足够了1。它对字符串的一列（系列）进行操作，并返回列表的一列（系列）：
>>> import pandas as pd
>>> df = pd.DataFrame({'AB': ['A1-B1', 'A2-B2']})
>>> df
AB
0 A1-B1
1 A2-B2
>>> df['AB_split'] = df['AB'].str.split('-')
>>> df
AB AB_split
0 A1-B1 [A1, B1]
1 A2-B2 [A2, B2]1：如果不确定.str.split()do 的前两个参数是什么，我建议使用该方法的纯Python版本的文档。
但是你如何去做：
至：
好吧，我们需要仔细查看.str列的属性。
这是一个神奇的对象，用于收集将列中的每个元素视为字符串的方法，然后在每个元素中尽可能有效地应用相应的方法：
>>> upper_lower_df = pd.DataFrame({"U": ["A", "B", "C"]})
>>> upper_lower_df
U
0 A
1 B
2 C
>>> upper_lower_df["L"] = upper_lower_df["U"].str.lower()
>>> upper_lower_df
U L
0 A a
1 B b
2 C c但是它也有一个“索引”接口，用于通过其索引获取字符串的每个元素：
>>> df['AB'].str[0]
0 A
1 A
Name: AB, dtype: object
>>> df['AB'].str[1]
0 1
1 2
Name: AB, dtype: object当然，.str只要可以对其建立索引，则此索引接口并不真正在乎它所索引的每个元素是否实际上是字符串，因此：
>>> df['AB'].str.split('-', 1).str[0]
0 A1
1 A2
Name: AB, dtype: object
>>> df['AB'].str.split('-', 1).str[1]
0 B1
1 B2
Name: AB, dtype: object然后，只需利用Python元组对可迭代对象进行拆包即可
>>> df['A'], df['B'] = df['AB'].str.split('-', 1).str
>>> df
AB AB_split A B
0 A1-B1 [A1, B1] A1 B1
1 A2-B2 [A2, B2] A2 B2当然，从拆分一列字符串中获取一个DataFrame非常有用，以至于该.str.split()方法可以通过expand=True参数为您做到这一点：
>>> df['AB'].str.split('-', 1, expand=True)
0 1
0 A1 B1
1 A2 B2因此，完成我们想要的工作的另一种方法是：
>>> df = df[['AB']]
>>> df
AB
0 A1-B1
1 A2-B2
>>> df.join(df['AB'].str.split('-', 1, expand=True).rename(columns={0:'A', 1:'B'}))
AB A B
0 A1-B1 A1 B1
1 A2-B2 A2 B2该expand=True版本虽然较长，但与元组拆包方法相比具有明显的优势。元组解压缩不能很好地处理不同长度的拆分：
>>> df = pd.DataFrame({'AB': ['A1-B1', 'A2-B2', 'A3-B3-C3']})
>>> df
AB
0 A1-B1
1 A2-B2
2 A3-B3-C3
>>> df['A'], df['B'], df['C'] = df['AB'].str.split('-')
Traceback (most recent call last):
[...]
ValueError: Length of values does not match length of index
>>> 但是expand=True通过放置None没有足够“拆分”的列来很好地处理它：
>>> df.join(
... df['AB'].str.split('-', expand=True).rename(
... columns={0:'A', 1:'B', 2:'C'}
... )
... )
AB A B C
0 A1-B1 A1 B1 None
1 A2-B2 A2 B2 None
2 A3-B3-C3 A3 B3 C3.split()方法的Python版本的文档添加了一个链接，该链接比Pandas文档更好地解释了前两个参数。
df.join(df['AB'].str.split('-', 1, expand=True).rename(columns={0:'A', 1:'B'}))
您可以使用正则表达式模式整齐地提取不同部分：
In [11]: df.row.str.extract('(?P<fips>\d{5})((?P<state>[A-Z ]*$)|(?P<county>.*?), (?P<state_code>[A-Z]{2}$))')
Out[11]:
fips 1 state county state_code
0 00000 UNITED STATES UNITED STATES NaN NaN
1 01000 ALABAMA ALABAMA NaN NaN
2 01001 Autauga County, AL NaN Autauga County AL
3 01003 Baldwin County, AL NaN Baldwin County AL
4 01005 Barbour County, AL NaN Barbour County AL
[5 rows x 5 columns]要解释有点长的正则表达式：
(?P<fips>\d{5})\d）并命名"fips"。下一部分：
((?P<state>[A-Z ]*$)|(?P<county>.*?), (?P<state_code>[A-Z]{2}$))（|）做以下两件事之一：
(?P<state>[A-Z ]*$)*）的大写字母或空格（[A-Z ]），并"state"在字符串（$）末尾之前对其进行命名，要么
(?P<county>.*?), (?P<state_code>[A-Z]{2}$)).*然后匹配其他任何（）state_code字符串（$）末尾的两位数字。在示例中：
请注意，前两行命中“州”（将NaN保留在county和state_code列中），而后三行命中县（即state_code）（将NaN保留在state列中）。
(?P<label>...)语法的文档的链接！我不知道为什么要选择更复杂的正则表达式，显然简单的正则表达式可以正常工作
<group_name>。现在，我知道它使我的代码非常简洁。
df[['fips', 'row']] = df['row'].str.split(' ', n=1, expand=True)您可以使用str.split空格（默认分隔符）和参数expand=True用于将DataFrame其分配给新列：
df = pd.DataFrame({'row': ['00000 UNITED STATES', '01000 ALABAMA',
'01001 Autauga County, AL', '01003 Baldwin County, AL',
'01005 Barbour County, AL']})
print (df)
row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL
df[['a','b']] = df['row'].str.split(n=1, expand=True)
print (df)
row a b
0 00000 UNITED STATES 00000 UNITED STATES
1 01000 ALABAMA 01000 ALABAMA
2 01001 Autauga County, AL 01001 Autauga County, AL
3 01003 Baldwin County, AL 01003 Baldwin County, AL
4 01005 Barbour County, AL 01005 Barbour County, AL修改是否需要删除原始列 DataFrame.pop
df[['a','b']] = df.pop('row').str.split(n=1, expand=True)
print (df)
a b
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL什么是一样的：
df[['a','b']] = df['row'].str.split(n=1, expand=True)
df = df.drop('row', axis=1)
print (df)
a b
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL如果出现错误：
#remove n=1 for split by all whitespaces
df[['a','b']] = df['row'].str.split(expand=True)ValueError：列的长度必须与键的长度相同
您可以检查并返回4列DataFrame，不仅2：
print (df['row'].str.split(expand=True))
0 1 2 3
0 00000 UNITED STATES None
1 01000 ALABAMA None None
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL然后将解决方案添加到新DataFrame的join：
df = pd.DataFrame({'row': ['00000 UNITED STATES', '01000 ALABAMA',
'01001 Autauga County, AL', '01003 Baldwin County, AL',
'01005 Barbour County, AL'],
'a':range(5)})
print (df)
a row
0 0 00000 UNITED STATES
1 1 01000 ALABAMA
2 2 01001 Autauga County, AL
3 3 01003 Baldwin County, AL
4 4 01005 Barbour County, AL
df = df.join(df['row'].str.split(expand=True))
print (df)
a row 0 1 2 3
0 0 00000 UNITED STATES 00000 UNITED STATES None
1 1 01000 ALABAMA 01000 ALABAMA None None
2 2 01001 Autauga County, AL 01001 Autauga County, AL
3 3 01003 Baldwin County, AL 01003 Baldwin County, AL
4 4 01005 Barbour County, AL 01005 Barbour County, AL使用删除原始列（如果还有其他列）：
df = df.join(df.pop('row').str.split(expand=True))
print (df)
a 0 1 2 3
0 0 00000 UNITED STATES None
1 1 01000 ALABAMA None None
2 2 01001 Autauga County, AL
3 3 01003 Baldwin County, AL
4 4 01005 Barbour County, AL 感到惊讶的是我还没有看到这个。如果您只需要两个分割，我强烈建议您。。。
Series.str.partitionpartition 在分隔符上执行一次拆分，通常表现出色。
df['row'].str.partition(' ')[[0, 2]]
0 2
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL如果您需要重命名行，
df['row'].str.partition(' ')[[0, 2]].rename({0: 'fips', 2: 'row'}, axis=1)
fips row
0 00000 UNITED STATES
1 01000 ALABAMA
2 01001 Autauga County, AL
3 01003 Baldwin County, AL
4 01005 Barbour County, AL如果您需要将其恢复为原始版本，请使用join或concat：
df.join(df['row'].str.partition(' ')[[0, 2]])pd.concat([df, df['row'].str.partition(' ')[[0, 2]]], axis=1)
row 0 2
0 00000 UNITED STATES 00000 UNITED STATES
1 01000 ALABAMA 01000 ALABAMA
2 01001 Autauga County, AL 01001 Autauga County, AL
3 01003 Baldwin County, AL 01003 Baldwin County, AL
4 01005 Barbour County, AL 01005 Barbour County, AL我更喜欢导出相应的熊猫系列（即我需要的列），使用apply函数将列内容分为多个系列，然后加入生成的列到现有的数据帧。当然，应删除源列。
例如
col1 = df["<col_name>"].apply(<function>)
col2 = ...
df = df.join(col1.to_frame(name="<name1>"))
df = df.join(col2.toframe(name="<name2>"))
df = df.drop(["<col_name>"], axis=1)拆分两个单词的字符串函数应该是这样的：
lambda x: x.split(" ")[0] # for the first element
lambda x: x.split(" ")[-1] # for the last element使用df.assign创建一个新的DF。参见http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
split = df_selected['name'].str.split(',', 1, expand=True)
df_split = df_selected.assign(first_name=split[0], last_name=split[1])
df_split.drop('name', 1, inplace=True)
read_table()或read_fwf()