如何用Pandas和Python拆分DataFrame列并清洗数据（Jupyter环境）

我来帮你搞定这个DataFrame的转换和清洗任务，咱们一步步来操作：

1. 先复现你的原始数据 #

首先，先把你提供的单列DataFrame构造出来，方便后续操作：

import pandas as pd

# 原始单列DataFrame
df = pd.DataFrame({
    'col': [
        '2017 / something',
        '$5.91 (× 1)',
        'Premium',
        '2017 / anotherthing',
        '$16.0 (× 1)',
        'Business'
    ]
})

2. 将单列数据重塑为三列结构 #

观察你的数据可以发现，每3行对应一条完整的记录：第一行是col（年份/描述）、第二行是revenue（收入）、第三行是plan（套餐类型）。我们可以用分组的方式把它转成三列：

import numpy as np

# 创建分组键：每3行分为一组
group_keys = np.arange(len(df)) // 3
# 分组后将每组的列表转成三列的DataFrame
new_df = df.groupby(group_keys)['col'].agg(list).apply(pd.Series)
new_df.columns = ['col', 'revenue', 'plan']

这一步执行后，new_df就已经是你想要的三列结构了，只是revenue列还带着不需要的符号。

3. 清洗revenue列 #

接下来我们要去掉美元符号$和括号里的内容，最后转成数值类型：

# 去掉美元符号
new_df['revenue'] = new_df['revenue'].str.replace(r'\$', '', regex=True)
# 去掉括号及括号内的所有内容（包括前面的空格）
new_df['revenue'] = new_df['revenue'].str.replace(r'\s*\(.*\)', '', regex=True)
# 转换为浮点型数值
new_df['revenue'] = new_df['revenue'].astype(float)

最终结果 #

执行完上面的步骤后，打印new_df就能得到干净的结果：

print(new_df)

输出：

col  revenue      plan
0    2017 / something     5.91   Premium
1  2017 / anotherthing    16.00  Business

如果你的数据分组规律固定是每3行一组，这个方法完全适用；如果后续有不同的分组逻辑，只需要调整group_keys的生成方式就行。

内容的提问来源于stack exchange，提问作者mapk