所以我有一个 df，其中有一列满是域。所以例如我有这样的记录
common_name
www.amazon.com
amazon.com
subexample.amazon.com
walmart.en
walmart.uk
michigan.edu
我想用 python 来提取最后一个 .但在第一个时期之前，如果有的话。所以结果应该是这样的。
common_name
amazon
amazon
amazon
walmart
walmart
michigan
我找到了一些 here 的例子，但它看起来像是一个字符串上的运算符，它是某个字符之前的任何东西，而不是它们之间的任何东西。字符串运算符可能需要一段时间才能运行，所以想知道是否有一个函数偶然在整个 df 上使用了 pandas？
【问题讨论】：
您可以将pd.DataFrame.<b>apply</b> 与一个 lambda 函数一起使用，该函数在拆分后返回最长的元素（基于 richardec's answer 中的注释）：
In [1]: import pandas as pd
In [2]: d = {
...: 'domains': [
...: 'common_name',
...: 'www.amazon.com',
...: 'amazon.com',
...: 'subexample.amazon.com',
...: 'walmart.en',
...: 'walmart.uk',
...: 'michigan.edu',
...: 'tkoutletstore.co.uk',
...: 'tillyandotto.com.au',
...: ]
...: }
...: df = pd.DataFrame(data=d)
...: df
Out[2]:
domains
0 common_name
1 www.amazon.com
2 amazon.com
3 subexample.amazon.com
4 walmart.en
5 walmart.uk
6 michigan.edu
7 tkoutletstore.co.uk
8 tillyandotto.com.au
In [3]: df['extracted'] = df['domains'].apply(lambda d: max(d.split('.'), key=len))
In [4]: df
Out[4]:
domains extracted
0 common_name common_name
1 www.amazon.com amazon
2 amazon.com amazon
3 subexample.amazon.com subexample
4 walmart.en walmart
5 walmart.uk walmart
6 michigan.edu michigan
7 tkoutletstore.co.uk tkoutletstore
8 tillyandotto.com.au tillyandotto
【讨论】：
Pandas 在计算方面不会让事情变得更快。这个正则表达式可能对你有用：
s.str.extract(r'(\w+)(\.\w{2,3})+$')[0]
但更好的解决方案是：Extract domain from URL in python
【讨论】：
\w{2,3} 更改为 \w{2,4} 应该可以修复它，因为 info 是 4 个字母。
这应该可行：
df['col'] = df['col'].str.rsplit('.', n=1).str[0].str.split('.').str[-1]
输出：
>>> df
col
0 common_name
1 amazon
2 amazon
3 amazon
4 walmart
5 walmart
6 michigan
【讨论】：