懂Excel就能轻松入门Python数据分析包pandas(九)：复杂分列

经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas

前言

本系列有一篇文章是关于 pandas 实现 Excel 中的分列功能，后来有小伙伴问我，怎么实现 Excel 中固定列宽分列功能。这次就看看几个奇葩的数据案例。

案例1

某公司系统，有一 id 列，其中一部分是表示用户出生日期：

• • 怎么可以从中把日期值提取出来呢

Excel 上可以用分列功能：

• • 结果会把数据分成3列

pandas 中，我们不需要用 split ，而是直接用切片提取：

• • df.str[4:12]，意思是，截取从第5个至第13个(不包含第13个)之间的内容

df.str[4:12] 相当于 df.str.slice(4,12)

案例2

有些系统有时候不会太人性化，比如，id 中的日期的起始位置是不固定的：

• • 日期起始位置不固定，但如果从反向来说是固定的

pandas 中的文本切片与 Python 中的切片一样，因此我们可以这样处理：

• • 用负数表示从反方向计算截取范围

案例3

这是一个“抬杠案例”：

• • 开始位置不固定，并且，日期之间还有不固定的分隔符号

我们当然可以用正则表达式提取，这次我选用一种特别的方式完成：

• • 注意，我们使用了 itertools.compress ，要导入该模块。

  import itertools

相信很多人不理解其中的原理，特别是其中的 sed 构造，看看下面的对应图：

• • itertools.compress() ，他的作用就是按照一个 bool 列表，把其中的 True 对应另外一个序列同位置上的元素给筛选出来

你 get 到了吗？

总结

• • 分列只是提取内容的一种方式，别一遇到分列，则只考虑 str.split
• • str.slice 或 str[] ，可以像 Python 切片一样做处理
• • 用好 itertools.compress，可以进行有规则并且连续内容的提取

需要源码的小伙伴，公众号发送“数据处理”

如果希望从零开始学习 pandas ，那么可以看看我的 pandas 专栏。

扫描二维码

获取更多精彩

壹伴编辑器