的Python：將字符串分割在其他列表元素

Question

所以我有一個是結構如下方式大熊貓據幀條件：

In: df.head(1) 
Out: 
Individual  Employer     EmployerState  BranchesState     BranchesNr 
872570   (4210, 7463, 23130, 133752) (MN, GA, NY, AZ) (MN, AZ, GA, AZ, NY, AZ, AZ) (0, 1, 0, 1, 0, 1, 0) 

現在我打算做的是分裂所有多個用人單位的信息，並創建一個每個僱主和僱員對單個記錄，像這樣：

Individual  Employer  EmployerState BranchesState  BranchesNr 
872570   4210   MN    MN, AZ    0, 1 
872570   7463   GA    GA, AZ    0, 1 
872570   23130   NY    NY, AZ    0, 1 
872570   133752   AZ    AZ     0 

目前，我能夠通過將做到這一點對列個人，僱主和EmployerState下面的代碼：

rows = [] # Store individuals in empty array 
for _, row in indv_sub.iterrows(): 

# If there are multiple employers 
# Example: 
# Individual | Employer  =>   Individual | Employer 
# 123  | (XY, AB)     123  | XY 
#          123  | AB 

    if len(str(row['Employer']).split(','))>1: 
     # split the individual record into as many employers as an individual has 
     [rows.append(
       [row['Individual'], 
        m.replace('(','').replace(')',''), 
        l.replace('(','').replace(')',''), 
        row['BranchesState']]) 
        for m,l in zip(row['Employer'].split(','),row['EmployerState'].split(','))] 
    else: 
     # just add the single employer 
     rows.append([row['Individual'], row['Employer'], row['EmployerState'], row['BranchesState']]) 

indv_relevant = pd.DataFrame(rows,columns=('Individual','Employer','EmployerState','BranchesState')) 
indv_relevant = indv_relevant.convert_objects(convert_numeric=True) 

這工作得很好，但我不能很好地拆分BranchesState列。我添加了一個BranchesNr字段，用於指示下一個僱主的分支。因此，考慮這個例子：

Employer   BranchesState     BranchesNr 
(MN, GA, NY, AZ) (MN, AZ, GA, AZ, NY, AZ, AZ) (0, 1, 0, 1, 0, 1, 0) 

的第一個值是0,1後面是0，這表明所有到第二位置的分支屬於第一個僱主。

list(row['BranchesState'].split(','))[:2] # would be attributable to the first employer 

接下來是位置3到4，這歸因於第二僱主等等。我不太清楚如何很好地實現它。任何想法或建議？

P.S：字段是字符串而不是元組/列表。另外0,1,0只是一個例子，一些序列是0,1,2,0,1,0,1,2,3,4等。

要包括的數據的更多的變化，這裏是10個觀察值的示例：

{u'BrnchOfLoc_FirmNr '：{1490：U'（0，0） ' 1498：U'（0， 0,0,1,0'）， 1594：u'（0,0）'， 1618：u'（0,0,0）'， 1632：u'（0,0）'， 1633：u '（0,0）'， 1687：u'（0,0）'， 1738：u'（0,0）'， 1783：u'（0,0,1）'， 1793：u '（0,0）'}， u'BrnchOfLoc_state'：{1490：u'（CA，CA）'， 1498：u'（CA，CA，CA，CA）'， 1594：u' ，PA）'， u'（FL，FL）'， 1618：u'（CA，CA，CA）'， 1632：u'（NY，NY）'， 1633：u'（NH，NH）'， 1687： 1738：u'（CA，CA）'， 1783：u'（MS，MS，LA）'， 1793：u'（NJ，NJ）''， u'CrntEmp_orgPK'：{1490：u' （13572,144875）'， 1498：u'（112059,137743）'， 1594：u'（519,162200）'， 1618：u'（23131,111532,113269）'， 1632：u' （6627,118660）'， 1633：u'（6413,131406）'， 1687：u'（131587,142133）'， 1738：u'（23131,105698）'， 1783：u'（159778 ，160431）'， 1793：u'（6413,128859）'}，（CA，CA）'，{'1490：u'（CA，CA）'， 1498：u'（CA，CA）'， 1594：u'（PA，PA）'， 1618： CA，CA）'， 1632：u'（NY，NY）'， 1633：u'（MA，NH）'， 1687：u'（FL，FL）'， 1738：u' CA）'， 1783：u'（MS，LA）'， 1793：u'（MA，NJ）''， u'Info_indv1PK'：{1490：u'731003'， 1498：u'29443' ， 1594：u'708024' ， 1618：u'707057' ， 1632：u'830502' ， 1633：u'854101' ， 1687：u'706344' ， 1738：u'867229' ， 1783：u'734227'， 1793 ：u'849856' }， 'NumberEmployer'：{1490：2， 1498：2， 1594：2， 1618：3，1632 ：2， 1633：2， 1687：2， 1738： 2， 1783：2， 1793：2}}

Answer 1

我覺得這讓你快到了，但我仍然不分裂EmployerState規則明確。也許你可以包含一個額外的例子？

df = pd.DataFrame(
    {'BranchesNr': ['(0, 1, 0, 1, 0, 1, 0)', 
        '(0, 1, 0, 1, 0, 1, 0)'], 
    'BranchesState': ['(MN, AZ, GA, AZ, NY, AZ, AZ)', 
         '(MN, AZ, GA, AZ, NY, AZ, AZ)'], 
    'Employer': ['(4210, 7463, 23130, 133752)', 
        '(4210, 7463, 23130, 133752)'], 
    'EmployerState': ['(MN, GA, NY, AZ)', 
         '(MN, GA, NY, AZ)'], 
    'Individual': [872570, 872570]}) 

df['Employer'] = df.Employer.str.findall('(\d+)') 
df['EmployerState'] = df.EmployerState.str.findall('(\w+)') 
df['BranchesState'] = df.BranchesState.str.findall('(\w+)') 
df['BranchesNr'] = df.BranchesNr.str.findall('(0|1)+') 

indices = [[0] + [n for n, flag in enumerate(branches, 1) if flag == '1'] 
      for branches in df.BranchesNr] 

>>> [(row. Individual, row.Employer[n], row. EmployerState[n]) 
    for idx, row in df.iterrows() 
    for n in range(len(row.Employer))] 


[(872570, '4210', 'MN'), 
(872570, '7463', 'GA'), 
(872570, '23130', 'NY'), 
(872570, '133752', 'AZ'), 
(872570, '4210', 'MN'), 
(872570, '7463', 'GA'), 
(872570, '23130', 'NY'), 
(872570, '133752', 'AZ')]