使用正則表達式在Pandas系列的單個單元格中分隔逗號分隔的值

Question

我有一個來自數據庫的csv文件，我已經轉換成了一個我正在嘗試清理的Pandas DataFrame。其中一個問題是多個值被輸入到需要分離的單個單元中。複雜的因素是有字符串註釋（也帶有逗號）需要保持不變。下面的例子以串聯形式說明了這個問題。

我有什麼：

Index | values  
0  | 2.54,3.563 
1  | bad design, right? 

我想要什麼：

Index | level_0 | values  
0  |  0  | 2.54 
1  |  0  | 3.563 
2  |  1  | bad design, right?  

正如你所看到的，有逗號分隔我想要的逗號後分裂，沒有下面的空間值，而字符串註釋中的逗號都有空格。似乎很容易使用正則表達式來分割。下面我使用從另一個StackOverflow解決方案中獲取的策略的解決方案是使用Series.str.split將值分隔爲單獨的列，然後堆疊列。該策略效果很好。但是，在這種情況下，正則表達式顯然不能識別分割。這裏是我的代碼：

Import pandas as pd 

# Example Series: 
data = pd.Series(("2.54,3.56", "3.24,5.864", "bad design, right?"), name = "values") 

# Split cells with multiple entries into separate rows 
split_data = data.str.split('[,]\b').apply(pd.Series) 

# Stack the results and pull out the index into a column (which is sample number in my case) 
split_data = split_data.stack().reset_index(0) 
split_data = split_data.reset_index(drop=True) 

我是新來的正則表達式，但是從導遊我已經看了，並使用一對夫婦針對Python正則表達式沙箱，好像正則表達式[，] \乙方應拆分值，但不是評論。但是，它不會用這個正則表達式分割任何東西。

這裏的調試器，它說這應該工作的結果： Debuggex Demo

我缺少的東西容易嗎？任何更好的想法，使這項工作？我使用Python 3.5，如果這有所作爲。謝謝。

Answer 1

我會傾向於使用向前;你如何這樣做取決於你的預期數據。

這是一個負面的前瞻。它說「一個逗號沒有空格」，如果你是肯定所有的逗號都帶有空格，並且想將「紅色，綠色」作爲分割的對象，那麼將會是首選。

data.str.split('[,](?!\s)').apply(pd.Series) 

另一種選擇是看起來像一個有效值的東西的積極向前看;您的例子是數字，所以例如，這將在後跟數字後的逗號只拆分：

data.str.split('[,](?:\d)').apply(pd.Series) 

正則表達式是非常強大的，但說實話，我不知道，這個解決方案會爲你很大如果這是一個長期的問題。將大多數案例作爲一次性遷移應該沒問題，但是從長遠來看，我會考慮在問題到來之前解決問題。無論如何，這裏是Debuggex的python正則表達式備忘單，以防它對您有用：https://www.debuggex.com/cheatsheet/regex/python