在Pandas数据帧中将数据拆分并映射到两列

Question

我想从数据框中拆分数据为两列，并使用这些数据构建新的列。

我的数据框是，

dfc = pd.DataFrame( {"A": ["GT:DP:RO:QR:AO:QA:GL", "GT:DP:RO:QR:AO:QA:GL", "GT:DP:RO:QR:AO:QA:GL", "GT:DP:GL", "GT:DP:GL"], "B": ["0/1:71:43:1363:28:806:-71.1191,0,-121.278", "0/1:71:43:1363:28:806:-71.1191,0,-121.278", "0/1:71:43:1363:28:806:-71.1191,0,-121.278", "1/1:49:-103.754,0,-3.51307", "1/1:49:-103.754,0,-3.51307"]} )

我想要以列名GT, DP, RO, QR, AO, QA, GL的形式显示来自列B的值。

我想要产生的输出如下图所示：

我们可以使用a = df.A.str.split(":", expand = True)和b = df.B.str.split(":", expand = True)来拆分这两列，得到两个单独的数据框。这些可以用c = pd.merge(a, b, left_index = True, right_index = True)合并，得到所有需要的数据。但是，格式不符合预期。

有什么建议吗？我认为更好的方法是在列A和B上使用split，然后创建一个以A中的值为键，B中的值为值的dict列。然后可以将此列转换为数据框。 谢谢

- nilesh

---

肯定有一种情况，展示你尝试过的内容会有所帮助。请阅读http://stackoverflow.com/help/how-to-ask。 - piRSquared

@piRSquared 希望这些编辑能有所帮助... - nilesh

Answer 1

使用 OrderedDict 来保留一个基于 ":" 分隔并扁平化成一个 list 的 dataframe 两列的映射关系后的顺序。稍后将其提供给 dataframe 构造函数。

from collections import OrderedDict

L = dfc.apply(
    lambda x: OrderedDict(zip(x['A'].split(':'), x['B'].split(':'))), 1).tolist()
pd.DataFrame(L)

- Nickil Maveli

---

@nilesh 完全可以导入并使用OrderedDict。这是一个更快的答案。我认为这也更合适。 - piRSquared

Answer 2

• 我将通过':'分离所有内容。但是有两列数据。如果我先进行stack操作，我将获得一系列数据，可以更轻松地使用str.split。
• 现在，我有了一个分离的系列，我可以通过level = 0对其进行分组，这是原始索引。
• 我使用zip和dict来获取类似于系列的结构，其中原始列A为索引，B为值。
• unstack，完成。

gb = dfc.stack().str.split(':').groupby(level=0)
gb.apply(lambda x: dict(zip(*x))).unstack()

- piRSquared