Pandas Seriesのstr.rsplitを使いこなしてデータ分析を効率化！サンプルコード付きで徹底解説

pandas.Series.str.rsplit

概要

• 引数：
  • pat：分割文字列または正規表現パターン
  • n：最大分割数
  • expand：分割結果をDataFrameに変換するかどうか
• 戻り値：
  • expand=False：分割結果のリストを含むSeries
  • expand=True：分割結果を列に分割したDataFrame

例

import pandas as pd

# データの作成
data = pd.Series(["a,b,c", "d,e,f", "g,h,i"])

# 右側から2つ分割
result = data.str.rsplit(",", n=2)

# 結果の確認
print(result)

# 出力
# 0    [a, b]
# 1    [d, e]
# 2    [g, h]
# dtype: object

詳細

• pat：分割文字列または正規表現パターン
  • デフォルトは","
  • 正規表現を使用する場合は、re.compile()でコンパイルする必要があります
• n：最大分割数
  • デフォルトは-1（すべての出現箇所で分割）
  • 0を指定すると分割されません
• expand：分割結果をDataFrameに変換するかどうか
  • False：分割結果のリストを含むSeries
  • True：分割結果を列に分割したDataFrame

応用

• データのクリーニング
• データの分析
• データの可視化

補足

• str.splitとstr.rsplitの違いは、分割する方向です。str.splitは左側からの分割、str.rsplitは右側からの分割です。
• str.rsplitとstr.extractの違いは、戻り値です。str.rsplitは分割結果のリストを含むSeries、str.extractはマッチした部分文字列を含むSeriesです。

• str属性には、文字列操作に関する様々なメソッドが用意されています。詳細は公式ドキュメントを参照してください。

pandas.Series.str.rsplit サンプルコード

基本的な分割

import pandas as pd

# データの作成
data = pd.Series(["a,b,c", "d,e,f", "g,h,i"])

# 右側から2つ分割
result = data.str.rsplit(",", n=2)

# 結果の確認
print(result)

# 出力
# 0    [a, b]
# 1    [d, e]
# 2    [g, h]
# dtype: object

正規表現による分割

# データの作成
data = pd.Series(["a-b-c", "d-e-f", "g-h-i"])

# ハイフンで分割
result = data.str.rsplit("-", regex=True)

# 結果の確認
print(result)

# 出力
# 0    ['a', 'b', 'c']
# 1    ['d', 'e', 'f']
# 2    ['g', 'h', 'i']
# dtype: object

分割結果の列への展開

# データの作成
data = pd.Series(["a,b,c", "d,e,f", "g,h,i"])

# 右側から2つ分割し、列に展開
result = data.str.rsplit(",", n=2, expand=True)

# 結果の確認
print(result)

# 出力
#   0  1  2
# 0  a  b  c
# 1  d  e  f
# 2  g  h  i

分割結果のリストへの格納

# データの作成
data = pd.Series(["a,b,c", "d,e,f", "g,h,i"])

# 右側から2つ分割し、リストに格納
result = data.str.rsplit(",", n=2).tolist()

# 結果の確認
print(result)

# 出力
# [['a', 'b'], ['d', 'e'], ['g', 'h']]

特定の文字列で分割

# データの作成
data = pd.Series(["a/b/c", "d/e/f", "g/h/i"])

# スラッシュで分割
result = data.str.rsplit("/", n=1)

# 結果の確認
print(result)

# 出力
# 0    [a, b/c]
# 1    [d, e/f]
# 2    [g, h/i]
# dtype: object

空白文字で分割

# データの作成
data = pd.Series(["a b c", "d e f", "g h i"])

# 空白文字で分割
result = data.str.rsplit(expand=True)

# 結果の確認
print(result)

# 出力
#   0  1  2
# 0  a  b  c
# 1  d  e  f
# 2  g  h  i

区切り文字がない場合

# データの作成
data = pd.Series(["abc", "def", "ghi"])

# 右側から2つ分割
result = data.str.rsplit(",", n=2)

# 結果の確認
print(result)

# 出力
# 0    [abc]
# 1    [def]
# 2    [ghi]
# dtype: object

エラー処理

# データの作成
data = pd.Series(["a,b,c", "d,e", "g"])

# 右側から2つ分割
try:
    result = data.str.rsplit(",", n=2)
except ValueError as e:
    print(e)

# 出力
# 'Expected 2 splits on delimiter "," but found 1'

これらのサンプルコードを参考に、pandas.Series.str.rsplitを様々なデータ分析に活用してください。

pandas.Series.str.rsplit 以外の方法

str.splitは左側からの分割を行います。

data = pd.Series(["a,b,c", "d,e,f", "g,h,i"])

result = data.str.split(",", n=2)

print(result)

# 出力
# 0    ['a', 'b', 'c']
# 1    ['d', 'e', 'f']
# 2    ['g', 'h', 'i']
# dtype: object

str.extractは正規表現パターンにマッチした部分文字列を抽出します。

data = pd.Series(["a-b-c", "d-e-f", "g-h-i"])

result = data.str.extract(r"(.*)-(.*)-(.*)")

print(result)

# 出力
#   0  1  2
# 0  a  b  c
# 1  d  e  f
# 2  g  h  i

lambda 式を使用して、独自の分割ロジックを定義できます。

data = pd.Series(["a,b,c", "d,e,f", "g,h,i"])

result = data.str.rsplit(",", n=2).apply(lambda x: x[1:])

print(result)

# 出力
# 0    [b, c]
# 1    [e, f]
# 2    [h, i]
# dtype: object

for ループを使用して、文字列を1文字ずつ分割できます。

data = pd.Series(["abc", "def", "ghi"])

result = []

for s in data:
    result.append(list(s))

print(result)

# 出力
# [['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i']]