爲什麼我不能在熊貓中將列分成兩列？

Question

我有一個數據幀[「阿魯」]是這樣的：

df.anno 

0   type I secretion outer membrane protein, TolC... 
1   conserved hypothetical protein [Shigella boyd... 
2    Transposase [Congregibacter litoralis KT71] 
3   Chain A, The Crystal Structure Of Chlorite Di... 
4   chlorite dismutase, partial [uncultured bacte... 
5   carbamoyl-phosphate synthase, small subunit [... 
6   anthranilate synthase component 1 [endosymbio... 
7   chlorite dismutase, partial [bacterium enrich... 
8   peptidase dimerization domain protein [Myroid... 
9   MULTISPECIES: MFS transporter [Enterobacteria... 
10  CAAX amino terminal protease family protein [... 
11  Fe-S oxidoreductase [Desulfovibrio africanus ... 
12  phosphoenolpyruvate synthase/pyruvate phospha... 

因爲有兩個部分的每一行中：1：蛋白名稱。 2.具有'[......]'的微生物物種。

我想提取蛋白質名稱部分並丟棄微生物物種，所以我決定首先將該列分成兩列，位置爲'[''。

df2 = pd.DataFrame(df.anno.str.split("[", 1).tolist(), columns = ['protein','species']) 

它返回一個錯誤：

TypeError: object of type 'NoneType' has no len() 

我也試過：

df[['protein','species']] = df['anno'].str.split('[', expand=True) 

它也返回了一個錯誤：

ValueError: Columns must be same length as key 

如何做到這一點？有沒有其他的方法來提取蛋白質名稱？ 謝謝！

Answer 1

我覺得有問題多個[，所以加了n=1到split先分開了[。對於刪除最後]使用rstrip：

df[['protein','species']] = df['anno'].str.rstrip(']').str.split('[', expand=True, n=1) 

對於帶材通過最後[使用rsplit：

df[['protein','species']] = df['anno'].str.rstrip(']').str.rsplit('[', expand=True, n=1) 

與extract另一種解決方案用於提取由過去[]：

df[['protein','species']] = df['anno'].str.extract('(.*)\[(.*)\]', expand=True) 

樣品：

df[['protein','species']] = df['anno'].str.rstrip(']').str.split('[', expand=True, n=1) 
df['species'] = df['species'].str.replace('\]\[',',') 
df['protein'] = df['protein'].str.strip() 
print (df) 
       anno  protein species 
0  protein [q][sd]  protein q,sd 
1    protein  protein None 
2 Transposase [KT71] Transposase KT71 
3    None   None None