Bỏ qua đến nội dung chính
Mục lục

Tách cột trong pandas: str.split(expand=True) (split column)

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 10/17 · Chương 6

Làm sạch dữ liệu

  • 5 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Tách cột trong pandas (pandas split column) là cắt một cột chữ thành nhiều cột theo một dấu ngăn, bằng .str.split(expand=True). Bạn cần nó khi form đăng ký gộp họ tên vào một ô mà báo cáo cần đếm theo tên riêng, hay khi ngày đăng ký là một chuỗi 2024-01-04 mà bạn muốn lấy riêng năm.

Cần biết trước: accessor .str, thêm cột và split() và join() trong Python.

Tách thành nhiều cột với expand=True

.str.split(dau_ngan) làm như split() của Python trên từng ô và cho một Series mà mỗi ô là một list. Thêm expand=True thì pandas dàn các phần ra thành bảng, mỗi phần một cột đánh số từ 0. Ngày đăng ký của khách viết năm-tháng-ngày, tách theo dấu gạch:

python
import pandas as pd

kh = pd.read_csv("khach_hang_tho.csv")
phan = kh["ngay_dang_ky"].str.split("-", expand=True)
print(phan.head(3))
kh[["nam", "thang", "ngay"]] = phan
print(kh[["ma_kh", "nam", "thang"]].head(3))

KẾT QUẢ

      0   1   2
0  2024  01  01
1  2024  01  04
2  2024  01  04
    ma_kh   nam thang
0  KH0001  2024    01
1  KH0002  2024    01
2  KH0003  2024    01

Gán một bảng ba cột vào list ba tên cột là cách thêm nhiều cột một lúc. Các phần vẫn là chữ: "01" chưa phải số, cần pd.to_numeric() nếu muốn so sánh hay cộng. Ngày giờ thật thì có cách tốt hơn, pd.to_datetime() ở bài to_datetime().

Giới hạn số lần tách với n=

Tên người Việt dài ngắn khác nhau: Lê Mai Giang ba chữ, Trần Văn Minh Đức bốn chữ. Muốn đúng hai cột họ và phần còn lại, cho n=1: tách tối đa một lần, phần sau giữ nguyên. Không ghi dấu ngăn thì pandas tách theo khoảng trắng, bao nhiêu dấu cách liền nhau cũng tính là một:

python
import pandas as pd

kh = pd.read_csv("khach_hang_tho.csv")
ho_ten = kh["ho_ten"].str.strip()
hai = ho_ten.str.split(n=1, expand=True)
hai.columns = ["ho", "ten_rieng"]
print(hai.head(3))
print(hai["ho"].value_counts().head(3))

KẾT QUẢ

       ho    ten_rieng
0  Nguyễn  Phương Hằng
1  Nguyễn  Phương Dung
2      Lê    Mai Giang
ho
Nguyễn    127
Phạm       35
Trần       33
Name: count, dtype: int64

Đặt columns ngay sau khi tách cho hai cột tên đọc được. Họ Nguyễn đứng đầu, đúng như thống kê họ ở Việt Nam.

Lấy một phần với .str.get()

Nhiều khi bạn chỉ cần một phần. .str.get(i) lấy phần tử thứ i của list trong từng ô, như x[i] của Python, kể cả chỉ số âm. Tên gọi của người Việt là chữ cuối, nên .str.get(-1):

python
import pandas as pd

kh = pd.read_csv("khach_hang_tho.csv")
ten = kh["ho_ten"].str.split().str.get(-1)
print(ten.head(3).to_list())
print(ten.value_counts().head(3))

KẾT QUẢ

['Hằng', 'Dung', 'Giang']
ho_ten
An      17
Uyên    11
My      11
Name: count, dtype: int64

Đổi .str.get(-1) thành .str.get(0) rồi chạy lại: bảng đếm thành bảng họ, dòng đầu là Nguyễn.

Ô không có phần thứ i cho NaN, không báo lỗi IndexError như list của Python. Nhờ vậy .str.get() an toàn với ô trống và với tên ngắn hơn bạn nghĩ.

Kiểm tra nhanh

  1. Sau import pandas as pd, print(pd.Series(["a-b-c"]).str.split("-", expand=True).shape) in ra gì?

    • (1, 3)
    • (3, 1)
    • (1, 1)
  2. Sau import pandas as pd, print(pd.Series(["Trần Văn Minh"]).str.split(n=1).str.get(1).iloc[0]) in ra gì?

    • Văn
    • Văn Minh
    • Minh
  3. Lệnh kh[["ho", "ten"]] = kh["ho_ten"].str.split(expand=True) dừng với ValueError. Vì sao?

    • Cột ho_ten có ô trống
    • Bảng tách có ba cột mà chỉ có hai tên cột
    • expand=True không dùng được khi gán
  4. Những câu nào đúng về .str.split() và .str.get()?

    • .str.split() không đối số tách theo mọi khoảng trắng liền nhau
    • .str.split(" ") bỏ qua dấu cách đôi
    • .str.get(5) trên ô chỉ có ba phần cho NaN
    • .str.get(-1) báo lỗi vì chỉ số âm
Đúng hết lần đầu +15 XP

Bài tập

Tách họ và tên riêng

Danh sách nhân viên gộp họ tên vào một cột, có ô có khoảng trắng thừa. Viết thân hàm tach_ho(bang, cot) trả một bảng mới có hai cột:

  • ho: chữ đầu tiên của họ tên.

  • ten_rieng: phần còn lại sau họ, mỗi chữ cách nhau đúng như trong họ tên đã bỏ khoảng trắng hai đầu.

  • Ô trống cho trống ở cả hai cột; họ tên chỉ một chữ thì ten_rieng trống.

Bảng kết quả giữ index của bang. Hàm không sửa bảng của nơi gọi.

Trả về: bảng hai cột ho, ten_rieng, một DataFrame.

python
import pandas as pd

def tach_ho(bang, cot):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • .str.split(dau_ngan, expand=True) cắt mỗi ô và dàn các phần ra thành bảng, cột đánh số từ 0.

  • kh[["a", "b"]] = bang_tach thêm nhiều cột; số tên phải bằng số cột, nếu không báo ValueError.

  • n=1 tách tối đa một lần; phần sau giữ nguyên, hợp để tách họ khỏi tên riêng.

  • .str.split() không đối số tách theo mọi khoảng trắng; " " biến dấu cách đôi thành ô rỗng.

  • .str.get(i) lấy một phần, nhận chỉ số âm, và cho NaN khi ô thiếu phần đó.

Câu hỏi thường gặp

Tách cột pandas theo dấu phẩy thế nào?

Ghi dấu phẩy làm dấu ngăn: df["dia_chi"].str.split(",", expand=True). Các phần thường còn dấu cách đầu, nên nối thêm .apply(lambda c: c.str.strip()) hoặc strip từng cột sau khi tách. Muốn tách theo một mẫu phức tạp hơn thì dùng str.extract().

Ghép lại nhiều cột thành một cột thế nào?

Cộng các cột chữ: df["ho"] + " " + df["ten_rieng"]. Có ô trống thì kết quả ở dòng đó trống, và .str.cat(df["ten_rieng"], sep=" ") cũng vậy. Muốn dòng có ô trống vẫn ra chữ thì thêm na_rep="": ô trống được thay bằng chuỗi rỗng trước khi ghép. .str.cat() có trong bảng tra .str.

Tách mỗi phần thành một dòng thay cho một cột được không?

Được: df["the"].str.split(",") cho list, rồi .explode() biến mỗi phần tử thành một dòng, index lặp lại. Cách này hợp khi số phần mỗi ô khác nhau nhiều, như danh sách món trong một đơn.

Chủ đề

pandas split column

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập