<\/p>\n
Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um eine Zeichenfolgenspalte in einem Pandas-DataFrame in mehrere Spalten aufzuteilen:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie Sie diese Syntax in der Praxis anwenden k\u00f6nnen.<\/span><\/p>\n Der folgende Code zeigt, wie eine Spalte in einem Pandas-DataFrame basierend auf einem Komma in zwei separate Spalten aufgeteilt wird:<\/span><\/p>\n Beachten Sie, dass Sie die Spalten auch nach der Teilung neu anordnen k\u00f6nnen, wenn Sie m\u00f6chten:<\/span><\/p>\n Wir k\u00f6nnen dieselbe Syntax verwenden, um eine Spalte durch andere Trennzeichen zu teilen.<\/span><\/p>\n Beispielsweise k\u00f6nnen wir eine Spalte durch ein Leerzeichen<\/strong> teilen:<\/span><\/p>\n Sie k\u00f6nnen eine Spalte auch mit einem Schr\u00e4gstrich<\/strong> teilen:<\/span><\/p>\n Mit dieser Syntax k\u00f6nnen wir eine Spalte durch ein beliebiges Trennzeichen teilen.<\/span><\/p>\n So f\u00fcgen Sie Zeilen zu einem Pandas DataFrame hinzu<\/a> Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um eine Zeichenfolgenspalte in einem Pandas-DataFrame in mehrere Spalten aufzuteilen: #split column A into two columns: column A and column B df[[‚ A ‚,‘ B ‚]] = df[‚ A ‚]. str . split (‚ , ‚, 1 , expand= True ) Die folgenden Beispiele zeigen, wie Sie diese […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #split column A into two columns: column A and column B<\/span>\ndf[[' A<\/span> ',' B<\/span> ']] = df[' A<\/span> ']. str<\/span> . split<\/span> (' ,<\/span> ', 1<\/span> , expand= True<\/span> )\n<\/strong><\/pre>\n Beispiel 1: Spalte durch Komma teilen<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['Mavs, West', 'Spurs, West', 'Nets, East'],\n ' points<\/span> ': [112, 104, 127]})\n\n#view DataFrame<\/span>\ndf\n\n\tteam points\n0 Mavs, West 112\n1 Spurs, West 104\n2 Nets, East 127\n\n#split team column into two columns\n<\/span>df[[' team<\/span> ', ' conference<\/span> ']] = df[' team<\/span> ']. str<\/span> . split<\/span> (' ,<\/span> ', 1<\/span> , expand= True<\/span> )\n\n#view updated DataFrame\n<\/span>df\n\n\tteam points conference\n0 Mavs 112 West\n1 Spurs 104 West\n2 Nets 127 East<\/strong><\/pre>\n #reorder columns\ndf = df[[' team<\/span> ', ' conference<\/span> ', ' points<\/span> ']]<\/span>\n\n#view DataFrame\n<\/span>df\n\n\tteam conference points\n0 Mavs West 112\n1 Spurs West 104\n2 Nets East 127\n<\/strong><\/pre>\n Beispiel 2: Spalte durch andere Trennzeichen teilen<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['Mavs West', 'Spurs West', 'Nets East'],\n ' points<\/span> ': [112, 104, 127]})\n<\/span>\n#split team column into two columns<\/span>\ndf[[' team<\/span> ', ' conference<\/span> ']] = df[' team<\/span> ']. str<\/span> . split<\/span> (' ', 1<\/span> , expand= True<\/span> )\n\n#view updated DataFrame<\/span>\ndf\n\n\tteam conference points\n0 Mavs West 112\n1 Spurs West 104\n2 Nets East 127\n<\/span><\/span><\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['Mavs\/West', 'Spurs\/West', 'Nets\/East'],\n ' points<\/span> ': [112, 104, 127]})\n<\/span>\n#split team column into two columns\n<\/span>df[[' team<\/span> ', ' conference<\/span> ']] = df[' team<\/span> ']. str<\/span> . split<\/span> (' \/<\/span> ', 1<\/span> , expand= True<\/span> )\n\n#view updated DataFrame\n<\/span>df\n\n\tteam conference points\n0 Mavs West 112\n1 Spurs West 104\n2 Nets East 127<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So f\u00fcgen Sie einem Pandas DataFrame ein Numpy-Array hinzu<\/a>
So z\u00e4hlen Sie die Anzahl der Zeilen in Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"