pandas 将按班数据拆为按学生数据

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在日常办公场景中，为了收集数据方便经常会采用一些规定格式的自定义方式。但收集到数据后，整理往往需要花费一些人力，这些 pandas 就能帮到我们，快速、复用地为我们整理好想要的数据格式。

数据与需求

我们的原始数据为一个班一行的数据，两列分别是班级，和参加名单，一个班级一行数据，参加名单比较复杂，由学号跟着姓名堆积而成的数据。如下：

from io import StringIO
import pandas as pd

data = '''
班别,参加名单
1班,11张三2李四3王五4陈小兵15大龙
2班,19刘兵先98黄赵新2李放
3班,3曾贤志47欧阳大飞32令狐小龙120周志
'''

df = pd.read_csv(StringIO(data))
df
# ...

将每个班的参加名单整理成一个规范的如下表格。

'''
班别  学号   姓名
1班  11   张三
1班   2   李四
1班   3   王五
1班   4  陈小兵
1班  15   大龙
2班  19  刘兵先
2班  98  黄赵新
2班   2   李放
3班   3  曾贤志
3班  47 欧阳大飞
3班  32 令狐小龙
3班 120   周志
'''

思路

将参加名单列的学号和姓名拆为列表，并将学号和姓名分开到两个单独的列，最后用 explode() 方法爆炸开，就能得到结果。

代码

我们先将参加名单列使用正则把学号、姓名都拆开：

df.参加名单.str.split(r'(\d+)')
'''
0    [, 11, 张三, 2, 李四, 3, 王五, 4, 陈小兵, 15, 大龙]
1                 [, 19, 刘兵先, 98, 黄赵新, 2, 李放]
2     [, 3, 曾贤志, 47, 欧阳大飞, 32, 令狐小龙, 120, 周志]
Name: 参加名单, dtype: object
'''

接着我们根据上边的成果增加两列，一列为全为学号的列表，一列为全为姓名的列。用切片指定步长的方法筛选：

(
    df.assign(学号=df.参加名单.str.split(r'(\d+)').str[1::2])
    .assign(姓名=df.参加名单.str.split(r'(\d+)').str[::2].str[1:])
    .drop('参加名单', axis=1)
)
'''
   班别                 学号                     姓名
0  1班  [11, 2, 3, 4, 15]  [张三, 李四, 王五, 陈小兵, 大龙]
1  2班        [19, 98, 2]         [刘兵先, 黄赵新, 李放]
2  3班   [3, 47, 32, 120]  [曾贤志, 欧阳大飞, 令狐小龙, 周志]
'''

以上顺便删除了参加名单列。最后用 explode() 方法炸开以上两列：

(
    df.assign(学号=df.参加名单.str.split(r'(\d+)').str[1::2])
    .assign(姓名=df.参加名单.str.split(r'(\d+)').str[::2].str[1:])
    .drop('参加名单', axis=1)
    .explode(['学号', '姓名'])
)
'''
   班别   学号    姓名
0  1班   11    张三
0  1班    2    李四
0  1班    3    王五
0  1班    4   陈小兵
0  1班   15    大龙
1  2班   19   刘兵先
1  2班   98   黄赵新
1  2班    2    李放
2  3班    3   曾贤志
2  3班   47  欧阳大飞
2  3班   32  令狐小龙
2  3班  120    周志
'''

这样就得到我们就想要的结果。

（完）

pandas 将按班数据拆为按学生数据

数据与需求

思路

代码

相关内容