如何基于换行符拆分Python数据框？

Question

我有一个pandas数据框，其中一列包含了一段段的文本。我希望将这个数据框按照换行符拆分为多列。每段文本可能包含多个换行符。

示例数据框:

Current output:
A
foo bar
foo bar\nfoo bar
foo bar
foo bar

Desired output:

   A         B                                                      
0 foo bar                                                  
1 foo bar   foo bar                                                 
2 foo bar                                                  
3 foo bar                                                  

我尝试使用了这个：

df.A.str.split(expand=True))

但是它会在每个空格处分割，而不是如预期的在“/n”处分割。

- Adam Choy

Answer 1

如文档所述，您可以在split方法的（可选）参数par中指定要拆分的分隔符，否则它将仅在空格上进行拆分：docs。

因此，您可以执行以下操作来实现换行符拆分功能：

df.A.str.split(pat="\n", expand=True)

- Drumstick

Answer 2

你需要将要分割字符串的模式作为参数传递给series.str.split()。这里有一个完整的可重现的例子，适用于Windows系统：

import pandas as pd

df = pd.DataFrame({'A': ['foo bar', 
                         'foo bar\nfoo bar',
                         'foo bar',
                         'foo bar']})

df.A.str.split(pat='\n', expand=True)

    0           1
0   foo bar     None
1   foo bar     foo bar
2   foo bar     None
3   foo bar     None

为了实现跨平台的解决方案，我会采用类似于@ThePyGuy答案的方法，但使用str.splitlines()，因为这种方法可以识别来自不同系统的行边界。

df.A.apply(str.splitlines).apply(pd.Series).fillna('')

- Arne

---

嗯，对我来说是可以工作的（Python 3.9.5，pandas 1.2.5）。当你尝试时具体发生了什么？ - Arne

它不会分裂 - ThePyGuy

我添加了一个完整的例子。在你的系统上是否可以按此运行？ - Arne

不，它不是这样的。 - ThePyGuy

我已经添加了一个跨平台的解决方案。 - Arne

Answer 3

你可以尝试以下方法：使用Python的本地str.split应用于列，然后应用pd.Series将其拆分为多个列。

>>> df.A.apply(lambda x: x.split(r'\n')).apply(pd.Series).fillna('')

         0        1
0  foo bar         
1  foo bar  foo bar
2  foo bar         
3  foo bar         

最后，您只需重命名列即可。

- ThePyGuy