在 Pandas 中向字符串拆分命令添加函数

Question

我有一个包含 20 列左右的数据框。其中一列称为“director_name”，并具有诸如“John Doe”或“Jane Doe”之类的值。我想把它分成两列，“First_Name”和“Last_Name”。当我运行以下命令时，它按预期工作并将字符串分成 2 列：

data[['First_Name', 'Last_Name']] = data.director_name.str.split(' ', expand 
= True) 
data

First_Name    Last_Name
John          Doe

它很好用，但是当我在“director_name”下有 NULL (NaN) 值时它不起作用。它抛出以下错误：

'Columns must be same length as key'

我想添加一个检查值是否为 != null 的函数，然后执行上面列出的命令，否则为 First_Name 和 'Last_Name' 输入 'NA'

任何想法我会怎么做？

编辑：

我刚刚检查了文件，但不确定是否为 NULL。我有一些 3-4 个字符串长的名字。即

John Allen Doe
John Allen Doe Jr

也许我不能把它分成 First_Name 和 Last_Name。

嗯嗯

Answer 1

这里有一种方法是拆分并选择前两个值作为名字和姓氏

    Id  name
0   1   James Cameron
1   2   Martin Sheen
2   3   John Allen Doe
3   4   NaN


df['First_Name'] = df.name.str.split(' ', expand = True)[0]
df['Last_Name'] = df.name.str.split(' ', expand = True)[1]

你得到

    Id  name            First_Name  Last_Name
0   1   James Cameron   James       Cameron
1   2   Martin Sheen    Martin      Sheen
2   3   John Allen Doe  John        Allen
3   4   NaN             NaN         None

Answer 2

使用str.split（无参数，因为默认分隔符为空格）和indexing with str按位置选择列表：

print (df.name.str.split())
0      [James, Cameron]
1       [Martin, Sheen]
2    [John, Allen, Doe]
3                   NaN
Name: name, dtype: object

df['First_Name'] = df.name.str.split().str[0]
df['Last_Name'] = df.name.str.split().str[1]

#data borrow from A-Za-z answer
print (df)
   Id            name First_Name Last_Name
0   1   James Cameron      James   Cameron
1   2    Martin Sheen     Martin     Sheen
2   3  John Allen Doe       John     Allen
3   4             NaN        NaN       NaN

也可以使用参数n 来选择第二个或前两个名字：

df['First_Name'] = df.name.str.split().str[0]
df['Last_Name'] = df.name.str.split(n=1).str[1]
print (df)
   Id            name First_Name  Last_Name
0   1   James Cameron      James    Cameron
1   2    Martin Sheen     Martin      Sheen
2   3  John Allen Doe       John  Allen Doe
3   4             NaN        NaN        NaN

str.rstrip的解决方案

df['First_Name'] = df.name.str.rsplit(n=1).str[0]
df['Last_Name'] = df.name.str.rsplit().str[-1]
print (df)
   Id            name  First_Name Last_Name
0   1   James Cameron       James   Cameron
1   2    Martin Sheen      Martin     Sheen
2   3  John Allen Doe  John Allen       Doe
3   4             NaN         NaN       NaN

Answer 3

df['First_Name'] = df.name.str.split(' ', expand = True)[0]
df['Last_Name'] = df.name.str.split(' ', expand = True)[1]

应该这样做

Answer 4

这应该可以解决您的问题

设置

data= pd.DataFrame({'director_name': {0: 'John Doe', 1: np.nan, 2: 'Alan Smith'}})

data
Out[457]: 
  director_name
0      John Doe
1           NaN
2    Alan Smith

解决方案

#use a lambda function to check nan before splitting the column.
data[['First_Name', 'Last_Name']] = data.apply(lambda x: pd.Series([np.nan,np.nan] if pd.isnull(x.director_name) else x.director_name.split()), axis=1)

data
Out[446]: 
  director_name First_Name Last_Name
0      John Doe       John       Doe
1           NaN        NaN       NaN
2    Alan Smith       Alan     Smith

如果你只需要取前 2 个名字，你可以这样做：

data[['First_Name', 'Last_Name']] = data.apply(lambda x: pd.Series([np.nan,np.nan] if pd.isnull(x.director_name) else x.director_name.split()).iloc[:2], axis=1)