如何从 Pandas DataFrame 中的路径获取基本文件名

Posted 2023-03-12

【中文标题】如何从 Pandas DataFrame 中的路径获取基本文件名

【英文标题】：How to get the base file name from the path in a Pandas DataFrame

【发布时间】：2020-12-14 07:24:55

【问题描述】：

我有一个带有文件路径列的 DataFrame。

我想将其更改为仅文件名。

我的 DataFrame 看起来像：

df = pd.DataFrame(
    'Sr No': [18, 19, 20],
    'Email': ['[e-mail]', '[e-mail]', '[e-mail]'],
    'filename': [r'C:/Users\Test.csv', r'C:/Users\Test1.csv',
                 r'C:/Users\Test1.csv']
)

Sr No	Email	filename
18	[e-mail]	C:/Users\Test.csv
19	[e-mail]	C:/Users\Test1.csv
20	[e-mail]	C:/Users\Test1.csv

文件名只能是 Test 和 Test1 只需要两次写[e-mail]即一次用于Test.csv，另一次用于Test1.csv。

简而言之，我的输出应该如下所示：

df = pd.DataFrame(
    'Sr No': [18, 19, 20],
    'Email': ['[e-mail]', '[e-mail]', '[e-mail]'],
    'filename': ['Test', 'Test1', 'Test1']
)

Sr No	Email	filename
18	[e-mail]	Test
19	[e-mail]	Test1
20	[e-mail]	Test1

我想用 python 和 pandas DataFrame 来做。

“文件名”列中有 100 行。

我尝试使用：

import os

import glob

myfile = os.path.basename('C:/Users/Test.csv')
os.path.splitext(myfile)
print(os.path.splitext(myfile)[0])

但它只对一个路径有用，如何将它应用到整个列？

【参考方案1】：

使用 apply 函数来迭代所有列并获得分配给新列的函数输出 (pd.Series)

df["filename"] = df["filename"].apply(os.path.basename)

或

df["filename"] = df["filename"].apply(lambda path: os.path.basename(path))

例子：

>>> df
   Sr No          Email            filename
0     18  [e-mail]   C:/Users\Test.csv
1     19  [e-mail]  C:/Users\Test1.csv
2     20  [e-mail]  C:/Users\Test1.csv
>>> df["filename"] = df["filename"].apply(os.path.basename)
>>> df
   Sr No          Email   filename
0     18  [e-mail]   Test.csv
1     19  [e-mail]  Test1.csv
2     20  [e-mail]  Test1.csv

【参考方案2】：

您需要通过重新定义来修改现有列。先用 pandas 读一下：

import pandas as pd
df = pd.read_csv('file_path\file_name.csv')
df['filename'] = df['filename'].map(lambda x: x.split('\\')[-1][:-4])
df = df.drop_duplicates()

这会产生作为数据框的预期结果，因此您所缺少的只是将其保存回 csv/excel：

df.to_excel('file_path\new_file_name.xlsx')

或 csv：

df.to_csv('file_path\new_file_name.csv')

【参考方案3】：

使用

将excel文件读入pandas数据框

import pandas as pd
df = pd.read_excel("your excel file location")

然后使用apply函数对整列进行一次操作如下

def get_filename(path):
    temp_str = path.split('/')
    return temp_str[-1]

df["filename"] = df["filename"].apply(get_filename)

【参考方案4】：

除了上面的答案，你还可以使用字符串方法：

df['filename'] = df['filename'].str.split('/')[-1]

不确定哪个最快。

【讨论】：

然后，您需要在拥有数据框后检查列名。它可能被称为其他名称，我们只会使用您在上面提供的列名称。

【参考方案5】：

假设您在给定的文件名列中有固定长度的目录：

# created dataframe for example
df = pd.DataFrame('Email':['[e-mail]','[e-mail]','[e-mail]'],
                   'filename':['c:/users\test.csv','c:/users\test1.csv','c:/users\test1.csv'] )   # dataframe

# will create new column with file name only
df['only_filename'] = [(path.encode('unicode_escape')[9:]).decode("utf-8") for path in df['filename']]