pandas中的series.str.split()的一点认识

问题：

     现在手中有一表格，其中一列数据长成下列格式：三个元素挤在一个单元格中，现在需要把这三个元素进行分隔开，生成新的三列，该如何办？

• pat：string 或者 正则表达式，若为空，则为连续的空格，包括（换行符、空格、制表符）

• n：默认值为-1，若为None, 0 都会被修改成-1（从上图中的源码也能看出来），即能分割多少次就分割多少次，与str.split()的n=-1，re.split()的maxsplit=0一致；

• expand：决定了分割后的结果是分布在多列（返回DataFrame）还是以列表的形式分布在一列中（返回Series）

import pandas as pd
df = pd.Series(['张三 一班 00001', '李四 二班 00002', '王五 三班 00003'])
# 若expand为False，返回Series，只不过将结果以列表的形式存储
result = df.str.split(pat=None, n=-1, expand=False)  
print(result)

要想完成分列动作，需要设置expand（展开的意思）的值为True

df = pd.Series(['张三 一班 00001', '李四 二班 00002', '王五 三班 00003'])
# 若expand为True，返回DataFrame,将分列后的结果存储在不同的列中（完成分列动作）
result = df.str.split(pat=None, n=-1, expand=True).\
         rename(columns={0:'姓名', 1:'班级', 2:'学号'})  
print(result)

小结：

• 若分隔符比较简单，如为 空格、换行符、某些特定的字符等等，可以直接用str.split()；

• 若分隔符比较复杂，如有多个不同的分隔符，可以利用re.split()方法会比较简单；

• 若对表格中的字符串进行处理的话，这时可以优先考虑pandas.Series.str.split()。

现在我们使用内置方法sr.split()来实现分列的动作：

df = pd.Series(['张三 一班 00001', '李四 二班 00002', '王五 三班 00003'])
result = pd.DataFrame(list(df.map(lambda x: x.split()), columns=['姓名', '班级','学号'])
print(result)

利用Python内置方法亦可以实现分列动作，但是涉及到的方法有list, map, lambda, DataFrame等等，比较麻烦，如果掌握了Series.str.split() 就可以很方便的实现了，水平有限，若有错误，敬请指正。

欢迎添加公众号：驿路向北，与我进行交流。