使用正则表达式在 Pandas Series 的各个单元格内分隔逗号分隔的值

我有一个来自数据库的 csv 文件，我已将其转换为我正在尝试清理的 Pandas DataFrame。问题之一是多个值已输入到需要拆分的单个单元格中。复杂的因素是有一些字符串注释（也带有逗号）需要保持完整。下面的示例以系列形式说明了该问题。

我拥有的：

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

我想要的是：

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

正如您所看到的，有逗号分隔我想要拆分的值，逗号后面没有空格，而字符串注释中的逗号后面都有空格。应用正则表达式进行拆分似乎很容易。我下面的解决方案使用另一个 StackOverflow 解决方案中的策略，即使用 Series.str.split 将值分成单独的列，然后堆叠这些列。这个策略效果很好。然而，在这种情况下，正则表达式显然没有识别分割。这是我的代码：

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)

我是正则表达式的新手，但从我看过的指南以及使用几个特定于 Python 的正则表达式沙箱来看，正则表达式 []\b 似乎应该分割值，而不是注释。但是，它不会使用此正则表达式分割任何内容。

这是调试器的结果，它表明这应该有效：调试演示 https://www.debuggex.com/r/UwTVnYS7GRSkAKJL

我在这里错过了一些简单的事情吗？使这项工作有更好的想法吗？我正在使用 Python 3.5，如果这有什么区别的话。谢谢。

我倾向于使用前瞻；如何操作取决于您的预期数据。

这是一个消极的前瞻。它说“一个逗号后面不跟空格”，如果你是的话，这将是首选sure所有带逗号的注释都有空格，并且希望将“red,green”视为要分割的内容。

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

另一种选择是对看起来像有效值的东西进行积极的预测；你的例子是数字，所以例如这只会在逗号后跟一个数字上分割：

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

正则表达式非常强大，但老实说，如果这是一个长期问题，我不确定这个解决方案是否适合您。将大多数情况作为一次性迁移应该没问题，但从长远来看，我会考虑在问题出现之前尝试解决问题。无论如何，这是 Debuggex 的 python 正则表达式备忘单，以防它对您有用：https://www.debuggex.com/cheatsheet/regex/python https://www.debuggex.com/cheatsheet/regex/python