轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
- 結果會把數據分成3列
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
- 結果會把數據分成3列
pandas 中，我們不需要用 split ，而是直接用切片提取：
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
- 結果會把數據分成3列
pandas 中，我們不需要用 split ，而是直接用切片提取：
- df.str[4:12]，意思是，截取從第5個至第13個(不包含第13個)之間的內容
df.str[4:12] 相當於 df.str.slice(4,12)
案例2
有些系統有時候不會太人性化，比如，id 中的日期的起始位置是不固定的：
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
- 結果會把數據分成3列
pandas 中，我們不需要用 split ，而是直接用切片提取：
- df.str[4:12]，意思是，截取從第5個至第13個(不包含第13個)之間的內容
df.str[4:12] 相當於 df.str.slice(4,12)
案例2
有些系統有時候不會太人性化，比如，id 中的日期的起始位置是不固定的：
- 日期起始位置不固定，但如果從反向來說是固定的
pandas 中的文本切片與 Python 中的切片一樣，因此我們可以這樣處理：
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
- 結果會把數據分成3列
pandas 中，我們不需要用 split ，而是直接用切片提取：
- df.str[4:12]，意思是，截取從第5個至第13個(不包含第13個)之間的內容
df.str[4:12] 相當於 df.str.slice(4,12)
案例2
有些系統有時候不會太人性化，比如，id 中的日期的起始位置是不固定的：
- 日期起始位置不固定，但如果從反向來說是固定的
pandas 中的文本切片與 Python 中的切片一樣，因此我們可以這樣處理：
- 用負數表示從反方向計算截取範圍
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
- 結果會把數據分成3列
pandas 中，我們不需要用 split ，而是直接用切片提取：
- df.str[4:12]，意思是，截取從第5個至第13個(不包含第13個)之間的內容
df.str[4:12] 相當於 df.str.slice(4,12)
案例2
有些系統有時候不會太人性化，比如，id 中的日期的起始位置是不固定的：
- 日期起始位置不固定，但如果從反向來說是固定的
pandas 中的文本切片與 Python 中的切片一樣，因此我們可以這樣處理：
- 用負數表示從反方向計算截取範圍
案例3
這是一個"抬槓案例"：
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
- 結果會把數據分成3列
pandas 中，我們不需要用 split ，而是直接用切片提取：
- df.str[4:12]，意思是，截取從第5個至第13個(不包含第13個)之間的內容
df.str[4:12] 相當於 df.str.slice(4,12)
案例2
有些系統有時候不會太人性化，比如，id 中的日期的起始位置是不固定的：
- 日期起始位置不固定，但如果從反向來說是固定的
pandas 中的文本切片與 Python 中的切片一樣，因此我們可以這樣處理：
- 用負數表示從反方向計算截取範圍
案例3
這是一個"抬槓案例"：
- 開始位置不固定，並且，日期之間還有不固定的分隔符號
我們當然可以用正則表達式提取，這次我選用一種特別的方式完成：
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
- 結果會把數據分成3列
pandas 中，我們不需要用 split ，而是直接用切片提取：
- df.str[4:12]，意思是，截取從第5個至第13個(不包含第13個)之間的內容
df.str[4:12] 相當於 df.str.slice(4,12)
案例2
有些系統有時候不會太人性化，比如，id 中的日期的起始位置是不固定的：
- 日期起始位置不固定，但如果從反向來說是固定的
pandas 中的文本切片與 Python 中的切片一樣，因此我們可以這樣處理：
- 用負數表示從反方向計算截取範圍
案例3
這是一個"抬槓案例"：
- 開始位置不固定，並且，日期之間還有不固定的分隔符號
我們當然可以用正則表達式提取，這次我選用一種特別的方式完成：
- 注意，我們使用了 itertools.compress ，要導入該模塊。 import itertools
相信很多人不理解其中的原理，特別是其中的 sed 構造，看看下面的對應圖：
轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
系列相關：
前言
本系列有一篇文章是關於 pandas 實現 Excel 中的分列功能，後來有小夥伴問我，怎麼實現 Excel 中固定列寬分列功能。這次就看看幾個奇葩的數據案例。
案例1
某公司系統，有一 id 列，其中一部分是表示用戶出生日期：
- 怎麼可以從中把日期值提取出來呢
Excel 上可以用分列功能：
- 結果會把數據分成3列
pandas 中，我們不需要用 split ，而是直接用切片提取：
- df.str[4:12]，意思是，截取從第5個至第13個(不包含第13個)之間的內容
df.str[4:12] 相當於 df.str.slice(4,12)
案例2
有些系統有時候不會太人性化，比如，id 中的日期的起始位置是不固定的：
- 日期起始位置不固定，但如果從反向來說是固定的
pandas 中的文本切片與 Python 中的切片一樣，因此我們可以這樣處理：
- 用負數表示從反方向計算截取範圍
案例3
這是一個"抬槓案例"：
- 開始位置不固定，並且，日期之間還有不固定的分隔符號
我們當然可以用正則表達式提取，這次我選用一種特別的方式完成：
- 注意，我們使用了 itertools.compress ，要導入該模塊。 import itertools
相信很多人不理解其中的原理，特別是其中的 sed 構造，看看下面的對應圖：
- itertools.compress() ，他的作用就是按照一個 bool 列表，把其中的 True 對應另外一個序列同位置上的元素給篩選出來
你 get 到了嗎？
如果希望從零開始學習 pandas ，那麼可以看看我的 pandas 專欄，現在已經到達第二階段最後一個知識點——日期時間，學完這些你就能解決諸如走勢波動的超高難度數據需求，快來學習吧。
總結
- 分列只是提取內容的一種方式，別一遇到分列，則只考慮 str.split
- str.slice 或 str[] ，可以像 Python 切片一樣做處理
- 用好 itertools.compress，可以進行有規則並且連續內容的提取
需要源碼的小夥伴請轉發本文並私信我"python"