如何在Pandas中拆分文本列且避免‘Columns must be same length as key’错误？

问题描述 #

尝试将DataFrame的Score列以“-”为分隔符拆分为Home_Score和Away_Score两列，运行以下代码时收到ValueError: Columns must be same length as key错误：

epl_results_2015_22[['Home_Score','Away_Score']] = epl_results_2015_22.Score.str.split("-", expand=True)

涉及的DataFrameepl_results_2015_22数据类型如下：

Wk              float64
Day              object
Date     datetime64[ns]
Time             object
Home             object
Score            object
Away             object
dtype: object

DataFrame前几行数据示例：

问题原因 #

观察数据中的Score列可以发现，分隔符并非英文减号-，而是中文破折号–（英文减号是短横线，中文破折号长度更长）。用英文减号拆分时无法匹配到分隔符，导致拆分后仅生成1列，但代码试图赋值给2列，因此触发ValueError。

解决方案 #

将拆分时的分隔符替换为中文破折号–即可：

epl_results_2015_22[['Home_Score','Away_Score']] = epl_results_2015_22.Score.str.split("–", expand=True)

如果担心数据中同时存在两种分隔符，可以用正则表达式匹配两种符号：

epl_results_2015_22[['Home_Score','Away_Score']] = epl_results_2015_22.Score.str.split(r"[-–]", expand=True)

拆分完成后，建议将新列转换为数值类型，方便后续分析：

epl_results_2015_22[['Home_Score','Away_Score']] = epl_results_2015_22[['Home_Score','Away_Score']].astype(int)

内容的提问来源于stack exchange，提问作者michaelkhos