如何调用熊猫 str.split() 而不是 python 内置的 str.split()

Question

我试图找到一个数据帧的所有行，其一个属性（比如 id_proof）值与以固定词（比如 PARENT）开头的另一列（比如 adr_proof）的第二部分匹配，并且相应的值应该匹配属于同一数据帧的部分。

例如，在数据框中：

import pandas as pd

main = {'account_number' : [1,2,3,4,5,6,7,8,9,10,11,12],
    'id_proof' : ['A','B','B','A','C','C','X','Y','X','Y','Y','X'],
    'id_value' : [101,201,301,401,501,601,111,222,333,444,555,666],
    'adr_proof' : ['Z','E','E','G','G','I','PARENT A','PARENT B','PARENT   B','PARENT C','PARENT C','PARENT A'],
    'adr_value' : [11,22,33,44,55,66,101,201,301,501,601,401]}
main = pd.DataFrame(main)

我正在努力实现：

node1    node2    relation
  1        7      parent-child
  2        8      parent-child
  3        9      parent-child
  4       12      parent-child
  5       10      parent-child
  6       11      parent-child

下面是我的代码。我知道我的代码不完整。我被 split() 函数困住了。我是 python 和 pandas 的新手，不知道如何调用 pandas 的 split() 函数而不是 python 的内置 str.split() 函数。我经历过这个question

import pandas as pd

main = {'account_number' : [1,2,3,4,5,6,7,8,9,10,11,12],
    'id_proof' : ['A','B','B','A','C','C','X','Y','X','Y','Y','X'],
    'id_value' : [101,201,301,401,501,601,111,222,333,444,555,666],
    'adr_proof' : ['Z','E','E','G','G','I','PARENT A','PARENT B','PARENT B','PARENT C','PARENT C','PARENT A'],
    'adr_value' : [11,22,33,44,55,66,101,201,301,501,601,401]}
main = pd.DataFrame(main)

df_group_count = pd.DataFrame({'count' : main.groupby(['adr_proof']).size()}).reset_index()
adr_type = df_group_count['adr_proof']
adr_type_parent = adr_type.loc[adr_type.str.startswith('PARENT',na=False)]

df_j_ = pd.DataFrame()
for j in adr_type_parent:
    dfn_j = main.loc[(main['adr_proof'] == j)]
    adr_type_parent_type = j.split(' ',expand=True,n=1)
    res = main.loc[(main['id_proof'] == adr_type_parent_type[1]) & (main['id_value'] == dfn_j['adr_value'])]

res

请提供一种方法来实现我的目标。输出是另一个数据帧。请原谅错误的代码或任何违规行为。还赞赏一种完全不同的方法。谢谢。

Answer 1

由于您的主要问题似乎是如何合并熊猫拆分功能：

您可以使用以下方法隔离包含关键字“PARENT”的行：

parent_main = main[main.adr_proof.str.split(' ').str[0] == 'PARENT']

现在，您可以轻松提取第二个值：

parent_main.adr_proof.str.split(' ').str[-1]

Answer 2

在您的特定情况下，您无法调用 pandas 库的 str.split()，因为您使用的是 DataFrame 对象，而此特定对象未实现 str.split()。只有Series 对象实现了str.split()。

Answer 3

在调查此问题并在 IRC 网络 freenode.net 上的#python 频道中讨论此问题后，我有一个答案给你。你不能用 pandas 库的 str.split() 掩盖 Python 的 str.split()。

另外，DataFrame 对象没有str.split()。我已经阅读了整个 API 并且还使用了 from ... import ... 以某种方式从 pandas 导入 str.split() 并掩盖了 Python 的 str.split()。

您在代码中使用的DataFrame 对象没有str.split()。代码中str.split() 没有抛出错误的唯一原因是因为它恰好是Python 内置并使用了str.split()。

我能找到的唯一具有str.split() 的熊猫对象是Series 对象pandas.Series.str.split()。但是您没有使用Series 对象，而是使用DataFrame 对象。对不起，没什么可做的。

如果你问我，pandas 的结构被破坏了。您不能只导入str.split()，因为str 基本上是一个StringMethods 对象，而该对象位于strings 包下，该包位于core 包中，而core 包位于pandas 顶级包中.一团糟！我浪费了 2 个小时来了解它的包/模块/对象结构。

另外，pandas.Series.str.split() 基本上是pandas.core.series.Series.str.split()。我就放弃了！

尝试从 pandas 导入str.split()，你将获得诺贝尔奖！