Как разделить столбец в пандах, чтобы получить нулевое значение в первом столбце, если

Question

Я пытаюсь разделить свой столбец входных данных на 2 столбца с помощью разделения на панд, используя «» в качестве разделителя.Когда я использую его, я получаю все записи до "" в столбце 1 и другие в столбце 2.

Входные данные: -

Site ID

AIR5   
3_CCN1_3_6   
3_CCN1,2,3   
12_SDP5,6,7,8,9,10  
3_CCN2a_CCN2b_CCN3  
EMM

Код, который я использую: -

df['Node Touch'] = df['Site ID'].str.split('_').str.get(0).fillna(0)   
df['Site ID'] = df['Site ID'].str.split('_').str.get(1).fillna(0)

Вывод, который я получаю: -

CR ID         
2969721            AIR5          0  
2969165               3         CCN1_3_6   
2968440               3         CCN1,2,3   
2968199              12         SDP5,6,7,8,9,10    
2967663               3         CCN2a_CCN2b_CCN3   
2965269             EMM          0

Но, Я хочу, чтобы, если «_» не было во входных данных, то первый столбец должен получить 0, а второй как значение столбца

Ожидаемый результат: -

 CR ID         
2969721            0       AIR5    
2969165            3       CCN1_3_6    
2968440            3       CCN1,2,3    
2968199           12       SDP5,6,7,8,9,10    
2967663            3       CCN2a_CCN2b_CCN3    
2965269            0       EMM  

Answer 1

спасибо всем ... я использовал логику добавления 1_ в префикс записей без подчеркивания, и это сработало.

IN: -

df.loc[~df['Site ID'].str.contains('_'), 'Site ID'] = '1_' + df['Site ID']<br> df[['Node Touch', 'Site ID']] = df['Site ID'].str.split('_', 1, expand = True) print(df[['Node Touch','Site ID']])

OUT: -

        Node Touch                                           Site ID   
CR ID                                                               
2969721          1                                              AIR5   
2969165          3                                          CCN1_3_6    
2968440          3                                          CCN1,2,3   
2968199         12                                   SDP5,6,7,8,9,10    
2967663          3                                  CCN2a_CCN2b_CCN3    
2965269          1                                               EMM    

Answer 2

Другой метод, использующий df.shift() после разделения.

df[['Node Touch', 'Site ID']]=df['Site ID'].str.split("_",n=1,expand=True)
df.loc[df['Site ID'].isna(),['Node Touch', 'Site ID']] = df[['Node Touch', 'Site ID']].shift(axis=1).fillna(0)
print(df)

            Site ID Node Touch
0              AIR5          0
1          CCN1_3_6          3
2          CCN1,2,3          3
3   SDP5,6,7,8,9,10         12
4  CCN2a_CCN2b_CCN3          3
5               EMM          0

Answer 3

Измените строки, которые не содержат подчеркивания, а затем разделите

df.loc[~df['Site ID'].str.contains('_'), 'Site ID'] = '0_' + df['Site ID']
df[['Node Touch', 'Site ID']] = df['Site ID'].str.split('_', 1, expand = True)

    Site ID             Node Touch
0   AIR5                0
1   CCN1_3_6            3
2   CCN1,2,3            3
3   SDP5,6,7,8,9,10     12
4   CCN2a_CCN2b_CCN3    3
5   EMM                 0

Вариант 2: Если ваши столбцы Node всегда будут числовыми, вы можете попробовать это.Хотя я думаю, что первое решение является более простым

df[['Node Touch', 'Site ID']] = df['Site ID'].str.split('_', 1, expand = True)
df['Site ID'] = df['Site ID'].combine_first(df['Node Touch'])
df['Node Touch'] = pd.to_numeric(df['Node Touch'], errors = 'coerce').fillna(0).astype(int)

Answer 4

Вы можете использовать extract с дополнительными группами захвата regex:

df[['Node Touch', 'Site ID']] = df['Site ID'].str.extract('(\d+)?_?(\w+)_?').fillna(0)

Выход:

            Site ID Node Touch
0              AIR5          0
1          CCN1_3_6          3
2              CCN1          3
3              SDP5         12
4  CCN2a_CCN2b_CCN3          3
5               EMM          0

Answer 5

Решение вашей проблемы состоит в том, чтобы проверить, присутствует ли '_' в строке, и соответственно изменить ваш вывод.Вы можете достичь этого, используя np.where.

Node_touch = df['Site ID'].str.split('_').str.get(0)  
Site_ID = df['Site ID'].str.split('_').str.get(1)
check_underscore = df['Site ID'].str.contains('_')
df['Node Touch'] = np.where(check_underscore, Node_touch, 0)   
df['Site ID'] = np.where(check_underscore, Site_ID, df['Site ID'])