为什么我不能在熊猫中将列分成两列？

Question

我有一个数据帧[“阿鲁”]是这样的：

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... 

因为有两个部分的每一行中：1：蛋白名称。 2.具有'[......]'的微生物物种。

我想提取蛋白质名称部分并丢弃微生物物种，所以我决定首先将该列分成两列，位置为'[''。

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

它返回一个错误：

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

我也试过：

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

它也返回了一个错误：

ValueError: Columns must be same length as key 

如何做到这一点？有没有其他的方法来提取蛋白质名称？ 谢谢！

Answer 1

我觉得有问题多个[，所以加了n=1到split先分开了[。对于删除最后]使用rstrip：

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

对于带材通过最后[使用rsplit：

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

与extract另一种解决方案用于提取由过去[]：

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

样品：

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