Pandas：将值拆分并跨列合并

Question

我有一份包含用户数据的csv文件，但由于某些原因，该文件将电子邮件名称和电子邮件域名分为两列。同时，有些用户拥有多个电子邮件。我想将它们合并成一个电子邮件或者一个电子邮件列表，视情况而定。

例子：

emailname                          | emaildomain
john.smith; smithj                 | gmail.com, biz.net
sample.name                        | aol.com

我想把那个改为：

email
[[e-mail], [e-mail]]
[[e-mail]] 

接下来，它将被推送到一个字典中，在那里我将不得不迭代每个单元格中的每个值，并从中创建一个条目，这方面我有一个大致的想法，可以使用基本的Python或遵循类似的逻辑。

我能够使用df['email name'] = df['email name'].str.split(';')将每个字段拆分为列表，这样每个字段的每个值都对应一个列表。然而，我卡在了如何将它们连接成一个单一字段上。

在纯Python中，我会这样做：

emaillist = []
for i in emailname: #where the assumption is there is a 1:1 relationship between each name and domain
    e = '@'.join(emailname[i],emaildomain[i])
    emaillist.append(e)

但在Pandas中，我不确定如何获取数据框单元格中列表的索引。理想情况下，我还想跳过任何空行，但如果只创建一个类似于[@]的“空”列表，那么没关系，我可以稍后解决。

- nos codemos

Answer 1

使用嵌套的列表推导式和 * 来解包列表：

L = [['@'.join(z) for z in zip(*[y.split(',') for y in x])] 
                  for x in zip(df['emailname'],df['emaildomain'])]
print (L)
[['[e-mail]', '[e-mail]'], ['[e-mail]']]

- jezrael

---

哦，我尝试了一下，结果出现了 AttributeError: 'list object has no attribute 'split'。我重新做了一遍，没有事先分割多值单元格，结果合并得不正确，变成了 ['john.smith;[e-mail];biz.net]'。我尝试将 .split(';') 移到列表推导式的第二行，但还是出现了错误：AttributeError: Can only use .str accessor with string values!。 - nos codemos

@noscodemos - 是否有可能存在缺失值？如果在我的解决方案之前使用 df = df.dropna()，它能正常工作吗？ - jezrael

有一些空值，但理论上应该只创建一个带有值[@]的列表。执行dropna()没有任何效果。 - nos codemos

@noscodemos 一个想法 0，你可以测试一下 L = [['@'.join(z) for z in zip(*[y.split(',') for y in x])] for x in zip(df['emailname'].astype(str),df['emaildomain'].astype(str))] 吗？ - jezrael

Answer 2

你可以尝试这个。它将创建一个新的列“email”，输出为你所需的格式。

final_email = []
for i,k in enumerate(zip(list(df['Emailname'].values), list(df['Emaildomain'].values))):
  name,domain = k
  a = []
  for ij, val in enumerate(name.split(';')):
    val = val+'@'+str(domain.split(',')[ij]).strip()
    a.append(val)
  final_email.append(a)
df['Email'] = final_email
df

- Prakash Dahal

---

我一直收到一个“列表索引超出范围”的错误。 - nos codemos

你是将此应用于整个数据集吗？ - Prakash Dahal

只需将这两列内容翻译成中文，一直延伸到底部即可。 - nos codemos

你的emalname和emaildomain的整个值应该与问题中给出的形式相同，否则可能会显示错误。就像这样想象你的数据john.smith, smithj而不是john.smith; smithj。从;更改为,可能会显示错误。这取决于你的数据集。 - Prakash Dahal

好的，那么你能找到是哪一行导致了错误吗？你可以将数据框拆分为许多小型数据框，并在这些数据框中检查上述代码，直到找到导致错误的小型数据框。 - Prakash Dahal

我找到了。其中一个条目少了一个域名，与电子邮件名称不符。修复后，此解决方案有效！谢谢！ - nos codemos