Series列使用split函数

在pandas中，Series列可以使用split()函数来将字符串列拆分成多个子字符串，并返回一个新的Series对象。

例如，假设我们有一个名为df的DataFrame，其中包含一个名为"Name"的列，它包含了名和姓之间以空格分隔的字符串。我们可以使用split()函数将该列拆分成两个子列，分别包含名和姓：

import pandas as pd

df = pd.DataFrame({'Name': ['John Smith', 'Jane Doe', 'Bob Johnson']})

# 使用split()函数将Name列拆分成两个子列
df[['First Name', 'Last Name']] = df['Name'].str.split(' ', expand=True)

print(df)

输出结果如下：

          Name First Name Last Name
0  John Smith       John     Smith
1    Jane Doe       Jane       Doe
2  Bob Johnson        Bob   Johnson

在这个例子中，我们首先使用pandas的str属性获取Name列的字符串属性，并使用split()函数将其拆分成两个子列。expand参数设置为True，以便将拆分结果作为独立的列返回。我们还可以使用n参数指定要拆分的最大数量，或者使用正则表达式来指定分隔符。

相关问题

pandas的apply函数与split函数

`pandas`的`apply`函数是用于对`DataFrame`或`Series`的每个元素进行自定义函数的应用，返回一个新的`DataFrame`或`Series`。`apply`函数可以传递自定义函数和参数，也可以使用`lambda`表达式进行函数定义。

示例：

import pandas as pd

df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})
df['name_length'] = df['name'].apply(len)
print(df)

输出：

       name  age  name_length
0     Alice   25            5
1       Bob   30            3
2  Charlie   35            7

`split`函数是用于将字符串按照指定的分隔符进行分割，返回一个列表。可以用于对`DataFrame`或`Series`中的字符串进行分割，然后进行统计或处理。

示例：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35],
        'address': ['Beijing, China', 'Shanghai, China', 'New York, USA']}
df = pd.DataFrame(data)
df['city'] = df['address'].str.split(',').str[0]
print(df)

输出：

       name  age          address      city
0     Alice   25   Beijing, China   Beijing
1       Bob   30  Shanghai, China  Shanghai
2  Charlie   35    New York, USA  New York

以上示例中，使用`split`函数将`address`列按照`,`分隔，然后取第一个元素作为新的`city`列。

pandas的split函数

pandas的split函数是DataFrame和Series对象的一个方法，用于将字符串按照指定的分隔符进行分割。它的语法是：str.split(pat=None, n=-1, expand=False)。其中，pat是字符串分隔符，默认为空格；n用于指定需要分割的次数，默认为-1，表示返回所有分割的字符串；expand则是用于控制是否将拆分的字符串展开为单独的列，默认为False，如果设置为True，则会将分割后的字符串展开为多列的DataFrame。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [Pandas数据分析 - 分列 - split() 用法](https://blog.csdn.net/m0_65392155/article/details/122504432)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [pandas字符串分割str.split()函数](https://blog.csdn.net/hanyunkaka/article/details/120586261)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]