通过分隔符分割 pandas 列，行中具有两种不同的大小

Question

我试图通过空格分隔符将 pandas 数据框中的一列分成多个列。我意识到有些行有一个日期字段，因此与没有日期字段的行相比，它需要额外的列。这是列值的示例，DA Firstname Lastname 09/30/2020 07:44 AM 9/23/2020 6:06:38 PMJW Firstname Lastname 10/25/2020 11:06 AM None第一行不适合空格分隔符，因为有 8 个空格。第二行适用于我的数据集，因为有 6 个空格。有没有办法将日期组合在一起作为分隔符？["Inital" "Firstname" "lastname" "date/time1" "date/time2"] 其中“date/time2”列还可以包含“None”我尝试使用的代码是，dataset= pd.read_csv("newOutput6",encoding = "ISO-8859-1", delimiter="\t", names = ['Name','Date'], index=False)tmpDF = pd.DataFrame(columns=['Initals','FName','LName','SignupTime','Waiver'])tmpDF[['Initals','FName','LName','SignupTime','Waiver']] = dataset['Name'].str.split(' ', expand=True)索引 16 是不遵循传统格式的行，我怀疑需要正则表达式来确定这一点。

Answer 1

如果名字和姓氏中没有空格（否则如何区分它们）：

pattern = ('^(?P<Initials>\w+)\s'

           + '(?P<FName>\w+)\s'

           + '(?P<LName>\w+)\s'

           + '(?P<SignupTime>\d+/\d+/\d+ \d+:\d+ \w+)\s'

           + '(?P<Waiver>.*)'

)

df['name'].str.extract(pattern)

输出：

  Initials      FName     LName           SignupTime                Waiver

0       DA  Firstname  Lastname  09/30/2020 07:44 AM  9/23/2020 6:06:38 PM

1       JW  Firstname  Lastname  10/25/2020 11:06 AM                  None

更新：对于可选的缩写，您可以尝试以下模式：

pattern = ('^(?P<Initials>\w+\s)?'    # make initial optional

           + '(?P<FName>\w+)\s+'

           + '(?P<LName>\w+)\s+'

           + '(?P<SignupTime>\d+/\d+/\d+ \d+:\d+ \w+)\s'

           + '(?P<Waiver>.*)'

)

请注意，现在如果Initials存在，将会有一个尾随空格，您可以轻松处理。