Pandas按最后一个分隔符拆分

Question

我有一个数据框中的列，其中输出不同：

col1
MLB|NBA|NFL
MLB|NBA
NFL|NHL|NBA|MLB

我想使用split函数将该列始终按照最后一个竖杠进行拆分，就像这样：

col1           col2
MLB|NBA        NFL
MLB            NBA
NFL|NHL|NBA    MLB

- skimchi1993

---

哎呀，下次提问关于pandas的问题时别忘了加上pandas标签。 - cs95

我的错。我通常这样做。 - skimchi1993

Answer 1

使用 Series.str.rsplit 方法进行字符串分割时，可以限制分割的次数。

df.col1.str.rsplit('|', 1, expand=True).rename(lambda x: f'col{x + 1}', axis=1)

如果上述代码抛出SyntaxError错误，说明你使用的是Python版本低于3.6（真丢人！）。请使用以下代码：

df.col1.str.rsplit('|', 1, expand=True)\
  .rename(columns=lambda x: 'col{}'.format(x + 1))

          col1 col2
0      MLB|NBA  NFL
1          MLB  NBA
2  NFL|NHL|NBA  MLB

还有一种更快的循环方式 str.rsplit 等价函数。

pd.DataFrame(
    [x.rsplit('|', 1) for x in df.col1.tolist()], 
    columns=['col1', 'col2']
) 
          col1 col2
0      MLB|NBA  NFL
1          MLB  NBA
2  NFL|NHL|NBA  MLB

顺便说一句，是的，第二种解决方案更快：

df = pd.concat([df] * 100000, ignore_index=True)

%timeit df.col1.str.rsplit('|', 1, expand=True)
%timeit pd.DataFrame([x.rsplit('|', 1) for x in df.col1.tolist()])

473 ms ± 13.8 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
128 ms ± 1.29 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

- cs95

---

列表推导式更快吗？在我为此设置适当的测试用例之前，我假设您是根据一些先前的示例或您自己的经验而发表该观点。 - roganjosh

但这也同时构建了DF，所以更令人震惊！感谢提醒。 - roganjosh

df['Label'].str.rsplit('|', 1, expand=True).rename(lambda x: f'Label{x+1}', axis=1)这是我所拥有的，但我遇到了语法错误？是在x+1附近吗？ - skimchi1993

@roganjosh 这就是CPython。实际上，Pandas内部的所有这些开销层才是罪魁祸首。 - cs95

df['Label'].str.rsplit('|', 1, expand=True)
.rename(lambda x: 'Label{}'.format(x+1), axis=1)这会抛出一个类型错误：rename()得到了一个意外的关键字参数"axis"。 - skimchi1993