【Pandas超解説】pandas.Series.str.rpartitionで文字列を分割！ ファイルパスやURLをスマートに処理

pandas.Series.str.rpartition は、pandas シリーズの文字列を最後の区切り文字で分割し、3つの要素を含むタプルを返すメソッドです。

構文

series.str.rpartition(sep, expand=True)

引数

• expand: 結果をDataFrameとして返すかどうかを指定します。デフォルトはTrueです。
• sep: 区切り文字となる文字列。デフォルトは空白です。

戻り値

• 区切り文字を含む3つの要素を持つタプルまたはDataFrame
  • 要素1：区切り文字より前の部分
  • 要素2：区切り文字
  • 要素3：区切り文字より後の部分

例

以下の例では、ファイルパスを含むSeriesがあり、最後の/で分割して、ファイル名と拡張子を抽出します。

import pandas as pd

# ファイルパスのリストを含むSeriesを作成
paths = pd.Series(['data/csv/sample.csv', 'data/json/data.json'])

# ファイル名を抽出
filenames = paths.str.rpartition('/', expand=True)

print(filenames)

          left     mid right
0    data/csv  /  sample.csv
1    data/json  /     data.json

• expand=False に設定すると、Seriesとして結果を返します。
• 区切り文字が見つからない場合は、空文字列2つと元の文字列を含むタプルを返します。

---

import pandas as pd

# ファイルパスのリストを含むSeriesを作成
paths = pd.Series(['data/csv/sample.csv', 'data/json/data.json'])

# ファイル名と拡張子を抽出
result = paths.str.rpartition('/', expand=True)

# ファイル名を抽出
filenames = result['right']

# 拡張子を抽出
extensions = result['mid']

print(f"ファイル名: {filenames}")
print(f"拡張子: {extensions}")

出力

ファイル名: sample.csv
            data.json
拡張子: .csv
         .json

1. pandas ライブラリをインポートします。
2. ファイルパスのリストを含む Series を作成します。
3. str.rpartition メソッドを使用して、ファイルパスを最後の / で分割します。
4. 分割結果を result 変数に格納します。
5. result から right 列を抽出して、ファイル名を filenames 変数に格納します。
6. result から mid 列を抽出して、拡張子を extensions 変数に格納します。
7. ファイル名と拡張子を表示します。

• 分割結果を新しい列としてSeriesに追加
• 特定の条件に基づいて分割結果をフィルタリング
• 複数の区切り文字で分割

---

str.split() と -1 インデックスの使用

最も基本的な代替方法は、str.split() メソッドと -1 インデックスを使用して、文字列を最後の区切り文字で分割する方法です。

import pandas as pd

# ファイルパスのリストを含むSeriesを作成
paths = pd.Series(['data/csv/sample.csv', 'data/json/data.json'])

# ファイル名と拡張子を抽出
filenames = paths.str.split('/', expand=True)[-1]
extensions = paths.str.split('.', expand=True)[1]

print(f"ファイル名: {filenames}")
print(f"拡張子: {extensions}")

出力

ファイル名: sample.csv
            data.json
拡張子: .csv
         .json

正規表現を使用する

正規表現を使用して、文字列を区切り文字で分割することもできます。

import pandas as pd

# ファイルパスのリストを含むSeriesを作成
paths = pd.Series(['data/csv/sample.csv', 'data/json/data.json'])

# ファイル名と拡張子を抽出
pattern = r'/(.*?)\.(.*)$'
result = paths.str.extract(pattern, expand=True)

filenames = result[0]
extensions = result[1]

print(f"ファイル名: {filenames}")
print(f"拡張子: {extensions}")

出力

ファイル名: sample
            data
拡張子: csv
         json

カスタム関数を使用する

独自のロジックで文字列を分割する必要がある場合は、カスタム関数を使用することができます。

import pandas as pd

def split_filename(path):
    filename, ext = os.path.splitext(os.path.basename(path))
    return filename, ext

# ファイルパスのリストを含むSeriesを作成
paths = pd.Series(['data/csv/sample.csv', 'data/json/data.json'])

# ファイル名と拡張子を抽出
result = paths.apply(split_filename)

filenames = result[0]
extensions = result[1]

print(f"ファイル名: {filenames}")
print(f"拡張子: {extensions}")

出力

ファイル名: sample
            data
拡張子: csv
         json

• 独自のロジックで分割する必要がある場合は、カスタム関数を使用します。
• より柔軟な分割が必要な場合は、正規表現を使用します。
• シンプルで分かりやすい方法が必要な場合は、str.split() と -1 インデックスの使用がおすすめです。