在 Python DataFrame 中拆分字符串

Posted 2023-03-12

【中文标题】在 Python DataFrame 中拆分字符串

【英文标题】：Splitting a string in a Python DataFrame

【发布时间】：2015-12-02 05:20:11

【问题描述】：

我在 Python 中有一个 DataFrame，其中有一列名称（例如 Joseph Haydn、Wolfgang Amadeus Mozart、Antonio Salieri 等）。

我想获得一个包含姓氏的新列：海顿、莫扎特、萨列里等等。

我知道如何拆分字符串，但找不到将其应用于系列或数据框列的方法。

【问题讨论】：

column.str.split。添加一些示例代码，您可能会得到答案。

【参考方案1】：

如果你有：

import pandas
data = pandas.DataFrame("composers": [ 
    "Joseph Haydn", 
    "Wolfgang Amadeus Mozart", 
    "Antonio Salieri",
    "Eumir Deodato"])

假设您只想要名字（而不是像 Amadeus 这样的中间名）：

data.composers.str.split('\s+').str[0]

将给予：

0      Joseph
1    Wolfgang
2     Antonio
3       Eumir
dtype: object

您可以将其分配给同一数据框中的新列：

data['firstnames'] = data.composers.str.split('\s+').str[0]

姓氏是：

data.composers.str.split('\s+').str[-1]

给出：

0      Haydn
1     Mozart
2    Salieri
3    Deodato
dtype: object

（另请参阅Python Pandas: selecting element in array column 以访问“数组”列中的元素）

对于除姓之外的所有名称，您可以将" ".join(..) 应用于除每行的最后一个元素 ([:-1]) 之外的所有元素：

data.composers.str.split('\s+').str[:-1].apply(lambda parts: " ".join(parts))

给出：

0              Joseph
1    Wolfgang Amadeus
2             Antonio
3               Eumir
dtype: object

【讨论】：

谢谢安德烈。我几乎达到了相同的解决方案，但你的更优雅。无论如何，我对在“data.composers.str.split('\s+').str[-1]”中双重使用“str”很感兴趣。仅凭逻辑永远无法推断出这一点。还是谢谢。

我反复得出这个解决方案，例如通过谷歌搜索'pandas dataframe strings'，我找到了pandas.pydata.org/pandas-docs/stable/text.html，在那里我搜索了split（顺便说一句，当你执行help(data.composers)（在变量数据如上所述定义之后）时，你还会找到一个关于拆分的示例。第二部分（访问其条目本身就是列表的列的元素）我在链接的答案***.com/questions/26069235/…

【参考方案2】：

试试这个来解决你的问题：

import pandas as pd
df = pd.DataFrame(
    'composers':
        [ 
            'Joseph Haydn', 
            'Wolfgang Amadeus Mozart', 
            'Antonio Salieri',
            'Eumir Deodato',
        ]
    
)

df['lastname'] = df['composers'].str.split(n = 0, expand = False).str[1]

您现在可以找到DataFrame，如下所示。

composers   lastname
0   Joseph Haydn    Haydn
1   Wolfgang Amadeus Mozart Amadeus Mozart
2   Antonio Salieri Salieri
3   Eumir Deodato   Deodato