在 str.split 操作后创建具有最后 2 个值的新列

Posted 2023-03-12

【中文标题】在 str.split 操作后创建具有最后 2 个值的新列

【英文标题】：Creating a new column with last 2 values after a str.split operation

【发布时间】：2018-07-28 11:45:30

【问题描述】：

我遇到了这个解释得非常清楚的类似问题 (Get last "column" after .str.split() operation on column in pandas DataFrame)，并使用了一些找到的代码。但是，这不是我想要的输出。

raw_data = 
    'category': ['sweet beverage, cola,sugared', 'healthy,salty snacks', 'juice,beverage,sweet', 'fruit juice,beverage', 'appetizer,salty crackers'],
    'product_name': ['coca-cola', 'salted pistachios', 'fruit juice', 'lemon tea', 'roasted peanuts']                                                      
df = pd.DataFrame(raw_data)

目标是从每一行中提取各种类别，并且只使用最后2个类别来创建一个新列。我有这段代码，它有效，并且我将感兴趣的类别作为一个新列。

df['my_col'] = df.categories.apply(lambda s:s.split(',')[-2:])

output
my_col 
[cola,sugared]
[healthy,salty snacks]
[beverage,sweet]
...

但是，它显示为列表。我怎么能不让它显示为列表？这可以实现吗？谢谢大家！！！！！！

【问题讨论】：

如果不是列表，那该怎么办？

【参考方案1】：

我相信你需要str.split，选择最后一个列表和最后一个str.join：

df['my_col'] = df.category.str.split(',').str[-2:].str.join(',')
print (df)
                       category       product_name                    my_col
0  sweet beverage, cola,sugared          coca-cola              cola,sugared
1          healthy,salty snacks  salted pistachios      healthy,salty snacks
2          juice,beverage,sweet        fruit juice            beverage,sweet
3          fruit juice,beverage          lemon tea      fruit juice,beverage
4      appetizer,salty crackers    roasted peanuts  appetizer,salty crackers

编辑：

在我看来，pandas str text functions 更推荐作为带有 puru python 字符串函数的 apply，因为也可以使用 NaNs 和 None。

raw_data = 
    'category': [np.nan, 'healthy,salty snacks'],
    'product_name': ['coca-cola', 'salted pistachios']
df = pd.DataFrame(raw_data)

df['my_col'] = df.category.str.split(',').str[-2:].str.join(',')
print (df)
               category       product_name                my_col
0                   NaN          coca-cola                   NaN
1  healthy,salty snacks  salted pistachios  healthy,salty snacks

df['my_col'] = df.category.apply(lambda s: ','.join(s.split(',')[-2:]))

AttributeError: 'float' 对象没有属性 'split'

【讨论】：

一如既往地交付！

感谢@Jezrael 向我展示了这两种方法。作为一个新手，我不仅想达到预期的效果，还想了解为什么选择一种方法而不是另一种方法。

【参考方案2】：

你也可以在lambda中使用join来得到split的结果：

df['my_col'] = df.category.apply(lambda s: ','.join(s.split(',')[-2:]))
df

结果：

                       category       product_name                    my_col
0  sweet beverage, cola,sugared          coca-cola              cola,sugared
1          healthy,salty snacks  salted pistachios      healthy,salty snacks
2          juice,beverage,sweet        fruit juice            beverage,sweet
3          fruit juice,beverage          lemon tea      fruit juice,beverage
4      appetizer,salty crackers    roasted peanuts  appetizer,salty crackers