pandas df第一列中的数据包含了若干个\t,根据\t将该列分成若干个列的代码

在pandas中，你可以使用`str.split()`函数结合`pd.Series.tolist()`将包含`\t`分隔符的列拆分为多个新列。这里是示例代码：

import pandas as pd

# 假设df是一个DataFrame，其中第一列为'data'
df = pd.DataFrame({'data': ['华瑞路与凤腾路路口（北进口）\t2024-07-12 20:28:35\t渝FME253\t绿12\t...']})

# 对第一列进行拆分
split_data = df['data'].str.split('\t')

# 将拆分后的列表转换为DataFrame，保留原有的索引
new_columns = [f'col{i + 1}' for i in range(split_data.shape[1])]
new_df = pd.DataFrame(split_data.values.tolist(), index=df.index, columns=new_columns)

# 检查结果
print(new_df.head())

这段代码会创建一个新的DataFrame `new_df`，其中原来的第一列被拆分成了多个新列。每一行的数据由`\t`分隔。

相关问题

df1 的某一列内容中根据\t将第这一列分成若干列的代码

在Pandas中，如果你想根据`\t`字符将DataFrame `df1` 中的一列数据分解成多个新的列，可以使用`str.split()`方法结合字典推导式来创建新的列。假设我们有一个名为`column_to_split`的列，以下是操作代码示例：

import pandas as pd

# 假设df1有这样的数据结构
data = {
    'Original_Column': ['Value1\tInfo1\tExtra1', 'Value2\tInfo2\tExtra2', 'Value3\tInfo3\tExtra3']
}
df1 = pd.DataFrame(data)

# 定义要分割的新列名称
new_columns = [f'split_{i}' for i in range(1, len(df1['Original_Column'].iloc[0].split('\t')) + 1)]

# 使用str.split()并创建新的DataFrame
df_split = pd.DataFrame(df1['Original_Column'].tolist(), columns=['temp'])
df_split = df_split.explode('temp').assign(**{col: df_split.temp.apply(lambda x: x.split('\t')[i]) for i, col in enumerate(new_columns)})

# 删除原始列和多余的临时列
df1.drop(columns='Original_Column', inplace=True)
df1 = pd.concat([df1, df_split.drop('temp', axis=1)], axis=1)

print(df1)

这会创建一个新的DataFrame，其中原来的那一列根据`\t`分割成了相应的新列。