pandas库中的split函数来切分数据代码

可以用以下代码实现：

import pandas as pd

df = pd.DataFrame({'A': ['foo_bar', 'hello_world']})

df[['A1', 'A2']] = df['A'].str.split('_', expand=True)

print(df)

输出：

A A1 A2
0 foo_bar foo bar
1 hello_world hello world

相关问题

pandas 等分切分

如果您想要将 Pandas 数据框按行等分成多个子数据框，可以使用 numpy 库中的 `array_split` 函数。首先，您需要计算要将数据框划分成多少个子数据框。接下来，使用 `array_split` 函数将数据框分成相应的子数据框。

以下是一个示例代码：

import pandas as pd
import numpy as np

# 创建一个示例数据框
df = pd.DataFrame({'A': [1, 2, 3, 4, 5, 6], 'B': ['a', 'b', 'c', 'd', 'e', 'f']})

# 计算要划分成多少个子数据框
num_splits = 3
split_sizes = [len(df) // num_splits] * num_splits
split_sizes[-1] += len(df) % num_splits

# 使用array_split函数将数据框分成相应的子数据框
sub_dfs = np.array_split(df, num_splits)
print(sub_dfs)

在上面的代码中，我们首先计算了要将数据框划分成几个子数据框，然后计算了每个子数据框的大小。最后，我们使用 `array_split` 函数将数据框划分成相应的子数据框，并将结果存储在 `sub_dfs` 变量中。

pandas对某列字符串进行切分并且拼接到另一列中的代码，要求运行时间不超过一秒

在Pandas中，你可以使用`str`操作符结合`apply`函数来对某一列的字符串进行切分并添加到另一列。假设你有一个名为`dataframe`的数据框，其中一列叫做`source_column`需要切割，结果要添加到`target_column`中，你可以这样做：

import pandas as pd

# 假设 source_column 的值是由逗号分隔的字符串
dataframe['target_column'] = dataframe['source_column'].apply(lambda x: x.split(','))

# 如果需要确保运行时间在1秒内，可以考虑以下优化：
# 如果数据量非常大，可以考虑使用 `string_split` 函数配合 `dask DataFrame` 或者 `pandas.Series.str.split` 并行处理
# from dask import delayed, compute
# dataframe['target_column'] = delayed(dataframe['source_column'].str.split(','))().compute(scheduler='processes')

# 或者针对大规模数据，使用 pandas 的 chunksize 分块处理
chunk_size = 10**6  # 根据实际数据大小调整
for chunk in dataframe.groupby(np.arange(0, len(dataframe), chunk_size)):
    df_chunk = chunk[1]
    df_chunk['target_column'] = df_chunk['source_column'].str.split(',')

记得检查数据集大小以及是否真的需要实时完成，因为上述操作可能会消耗较多内存。