example - split python

Obtenga la última "columna" después de la operación.str.split() en la columna en panda DataFrame

Question

Tengo una columna en un DataFrame de pandas que me gustaría dividir en un solo espacio. La división es bastante simple con DataFrame.str.split('' '') , pero no puedo crear una nueva columna desde la última entrada. Cuando I .str.split() la columna obtengo una lista de matrices y no sé cómo manipular esto para obtener una nueva columna para mi DataFrame.

Aquí hay un ejemplo. Cada entrada en la columna contiene ''precio de datos de símbolo'' y me gustaría dividir el precio (y eventualmente eliminar la "p" ... o "c" en la mitad de los casos).

import pandas as pd
temp = pd.DataFrame({''ticker'' : [''spx 5/25/2001 p500'', ''spx 5/25/2001 p600'', ''spx 5/25/2001 p700'']})
temp2 = temp.ticker.str.split('' '')

cuyos rendimientos

0    [''spx'', ''5/25/2001'', ''p500'']
1    [''spx'', ''5/25/2001'', ''p600'']
2    [''spx'', ''5/25/2001'', ''p700'']

Pero temp2[0] solo da una matriz de entrada de lista y temp2[:][-1] . ¿Cómo puedo convertir la última entrada en cada arreglo a una nueva columna? ¡Gracias!

Answer 1

Hacer esto:

In [43]: temp2.str[-1]
Out[43]: 
0    p500
1    p600
2    p700
Name: ticker

Answer 2

Puede usar el método tolist como intermediario:

In [99]: import pandas as pd

In [100]: d1 = pd.DataFrame({''ticker'' : [''spx 5/25/2001 p500'', ''spx 5/25/2001 p600'', ''spx 5/25/2001 p700'']})

In [101]: d1.ticker.str.split().tolist()
Out[101]: 
[[''spx'', ''5/25/2001'', ''p500''],
 [''spx'', ''5/25/2001'', ''p600''],
 [''spx'', ''5/25/2001'', ''p700'']]

Desde el cual puedes crear un nuevo DataFrame:

In [102]: d2 = pd.DataFrame(d1.ticker.str.split().tolist(), 
   .....:                   columns="symbol date price".split())

In [103]: d2
Out[103]: 
  symbol       date price
0    spx  5/25/2001  p500
1    spx  5/25/2001  p600
2    spx  5/25/2001  p700

Para una buena medida, podría fijar el precio:

In [104]: d2["price"] = d2["price"].str.replace("p","").astype(float)

In [105]: d2
Out[105]: 
  symbol       date  price
0    spx  5/25/2001    500
1    spx  5/25/2001    600
2    spx  5/25/2001    700

PD: pero si realmente quieres la última columna, apply sería suficiente:

In [113]: temp2.apply(lambda x: x[2])
Out[113]: 
0    p500
1    p600
2    p700
Name: ticker

Answer 3

Usando Pandas 0.20.3:

In [10]: import pandas as pd
    ...: temp = pd.DataFrame({''ticker'' : [''spx 5/25/2001 p500'', ''spx 5/25/2001 p600'', ''spx 5/25/2001 p700'']})
    ...:

In [11]: temp2 = temp.ticker.str.split('' '', expand=True)  # the expand=True return a DataFrame

In [12]: temp2
Out[12]:
     0          1     2
0  spx  5/25/2001  p500
1  spx  5/25/2001  p600
2  spx  5/25/2001  p700

In [13]: temp3 = temp.join(temp2[2])

In [14]: temp3
Out[14]:
               ticker     2
0  spx 5/25/2001 p500  p500
1  spx 5/25/2001 p600  p600
2  spx 5/25/2001 p700  p700

Answer 4

https://pandas.pydata.org/pandas-docs/stable/text.html

s2 = pd.Series([''a_b_c'', ''c_d_e'', np.nan, ''f_g_h''])
s2.str.split(''_'').str.get(1)

o

s2.str.split(''_'').str[1]