Marco de datos de Pandas
Tengo un marco de datos que contiene un número de columnas y filas, en todas las columnas excepto en las dos más a la izquierda, hay datos de la forma "entero-entero". Me gustaría dividir todas estas columnas en dos columnas, con cada número entero en su propia celda, y eliminar el guión.
He intentado seguir las respuestas en Pandas Dataframe: divida varias columnas cada una en dos columnas , pero parece que se dividen después de un elemento, mientras que me gustaría dividirlas en el "-".
A modo de ejemplo, supongamos que tengo un marco de datos de la forma:
Me gustaría dividir las columnas etiquetadas de 2 a 22, para que se llamen 2F, 2A, 3F, 3A, ..., 6A con los datos en la primera fila como R1, Hawthorn, 229, 225, 91, 81, ..., 12.
Gracias por cualquier ayuda.
Respuestas
Puede usar DataFrame.set_indexcon DataFrame.stackfor Series, luego dividir en 2 columnas nuevas por Series.str.split, convertir a números enteros, crear nuevos nombres de columnas por DataFrame.set_axis, remodelar por DataFrame.unstack, ordenar columnas por DataFrame.sort_indexy aplanar por última vez MultiIndexcon convertir índice a columnas por DataFrame.reset_index:
#first replace columns names to default values
df.columns = range(len(df.columns))
df = (df.set_index([0,1])
.stack()
.str.split('-', expand=True)
.astype(int)
.set_axis(['F','A'], axis=1, inplace=False)
.unstack()
.sort_index(axis=1, level=[1,0], ascending=[True, False]))
df.columns = df.columns.map(lambda x: f'{x[1]}{x[0]}')
df = df.reset_index()
print (df)
0 1 2F 2A 3F 3A 4F 4A 5F 5A 6F 6A
0 R1 Hawthorn 229 225 91 81 216 142 439 367 7 12
1 R2 Sydney 226 214 93 92 151 167 377 381 12 8
2 R3 Geelong 216 228 91 166 159 121 369 349 16 14
3 R4 North Melbourne 213 239 169 126 142 155 355 394 8 9
4 R5 Gold Coast 248 226 166 94 267 169 455 389 18 6
5 R6 St Kilda 242 197 118 161 158 156 466 353 15 16
6 R7 Fremantle 225 219 72 84 224 185 449 464 7 5
Para entrada:
df = pd.DataFrame({0: ['R1'], 1: ['Hawthorn'], 2: ['229-225'], 3: ['91-81'], 4:['210-142'], 5:['439-367'], 6:['7-12']})
0 1 2 3 4 5 6
0 R1 Hawthorn 229-225 91-81 210-142 439-367 7-12
Probar el código:
for i in df.columns[2::]:
df[[str(i)+'F', str(i)+'A']] =pd.DataFrame(df[i].str.split('-').tolist(), index= df.index)
del df[i]
Impresiones (primera fila):
0 1 2F 2A 3F 3A 4F 4A 5F 5A 6F 6A
0 R1 Hawthorn 229 225 91 81 210 142 439 367 7 12
puedes usar la función lambda para dividir una serie
import pandas as pd
df = pd.read_csv("data.csv")
df.head()
>>> data
0 12-24
1 13-26
2 14-28
3 15-30
df["d1"] = df["data"].apply(lambda x: x.split("-")[0])
df["d2"] = df["data"].apply(lambda x: x.split("-")[1])
df.head()
>>>
data d1 d2
0 12-24 12 24
1 13-26 13 26
2 14-28 14 28
3 15-30 15 30