时间戳

首页 > 解决方案 > 从 DataFrame.loc 访问 pandas 数据框中的列表

python - 从 DataFrame.loc 访问 pandas 数据框中的列表

问题描述

我正在使用一个包含“tchname”列的数据库，每个条目都包含一个字符串，例如“John Smith”或“Mr John Adam Smith”，其中第一个或第二个单词（取决于是否有敬语）每个字符串是名字，最后一个词是姓氏。

我想做的是创建两个新列，“名字”和“姓氏”。获取姓氏很容易，但是我获取名字的方法虽然有效，但感觉非常hacky：

import pandas as pd

# Typical data example:
data = {'tchname': ['MISS NANDA DEVI', 'RAJIK HUSSAIN-III',
                    'MAJJI VENKATA KANAKA DURGA RANI']}
df = pd.DataFrame(data)

# Split words in teacher names into list.
df['tchname'] = df['tchname'].str.split()

# Extract first word from tchname lists.
df['firstname'] = df['tchname'].str[0].str.title()

# If firstname matches item in honorific, replace with second tchname entry
df['placeholder'] = df['tchname'].str[1].str.title()
honorific = ['Dr', 'Miss', 'Mr', 'Mrs', 'Ms']
df.loc[df['firstname'].isin(honorific), 'firstname'] \
    = df.loc[df['firstname'].isin(honorific), 'placeholder']
df = df.drop(columns='placeholder')

# Extract last name from tchname lists.
df['surname'] = df['tchname'].str[-1].str.title()

现在，这正确地将名称识别为“Nanda Devi”、“Rajik Hussain-Iii”和“Majji Rani”。通过使用“占位符”来做到这一点对我来说似乎是一种 hacky 方法。只需几秒钟即可完成（超过数百万个条目的数据库），但是由于它不必要地将无效的名字（例如“小姐”）写入数据库，然后覆盖它们，我想知道是否有我可以采取更好的方法，所以我只在每个条目上迭代并写入数据库一次？

标签： pythonpython-3.xpandasdataframe

解决方案

感谢 Alexander Cécile 关于使用正则表达式的建议。由于正则表达式的性能不佳，我试图避免这种情况，但是这里有一个基于它的解决方案：

import numpy as np
import pandas as pd

# Typical data example:
data = {'tchname': ['MISS NANDA DEVI', 'RAJIK HUSSAIN-III',
                    'MAJJI VENKATA KANAKA DURGA RANI']}
df = pd.DataFrame(data)

# Set firstname to first or second word of tchname based on honorific presence.
df['firstname'] = np.where(df['tchname'].str.match(
    '^(Dr|Miss|Mr|Mrs|Ms) ', case=False),
    df['tchname'].str.split().str[1].str.capitalize(),
    df['tchname'].str.split().str[0].str.capitalize())

df['surname'] = df['tchname'].str.split().str[-1].str.capitalize()

我想说代码肯定更清晰，从可维护性的角度来看可能是一个不错的解决方案，但是正如预期的那样，这比原来的运行时间慢（执行时间约为 6.3 秒，而问题中的代码约为 5.4 秒）我的机器使用大型数据集），所以除非没有更好的替代方案建议，否则我不会接受这个答案。

推荐阅读