如何用逗号交换名字和姓氏并添加新列？答案

【问题标题】：How do I swap first and last names with a comma and add a new column?如何用逗号交换名字和姓氏并添加新列？
【发布时间】：2019-08-25 15:43:28
【问题描述】：

我有一个数据框，其中索引是名称。但是名字是名字，姓氏*

数据是这样的

Index          Sales
Jones, Mike*   500
James, Amy     300

目标是拥有（或将索引更改为名称）

Index         Sales    Special 
Mike Jones     500       1
Amy James      300       0

如果有 * 则创建一个新列，如果有 * 则为 1，如果没有则为 0？

【问题讨论】：

标签： python pandas dataframe indexing

【解决方案1】：

假设Index为索引列：

In [32]: df['Special'] = df.index.str.endswith('*').astype(int)                                                 

In [33]: df.set_index(df.index.str.replace(r'^(\w+),\s+(\w+)\*?', '\\2 \\1', regex=True))                       
Out[33]: 
            Sales  Special
Index                     
Mike Jones    500        1
Amy James     300        0

详情：

df.index.str.endswith('*').astype(int) - 检查index 列值是否以* 结尾并将逻辑结果转换为整数值（为0 或1）
df.index.str.replace(r'^(\w+),\s+(\w+)\*?', '\\2 \\1', regex=True)- 将index 列值替换为第一个和第二个正则表达式捕获组的内容(\w+) 用\\2 \\1 交换它们的位置（第二个后跟第一个）

【讨论】：

你能解释一下replace是如何交换名字和姓氏的同时还删除*的吗？
@IanThompson，是的。看我的解释

【解决方案2】：

# swap the first name and last name by splitting on the comma then using the .str attribute and reversing the list
print(df.index.str.split(',').str[::-1])

Index([[' Mike*', 'Jones'], [' Amy', 'James']], dtype='object')

# convert to series and .join the values in each row, then set as the index
df.set_index(pd.Series(df.index.str.split(',').str[::-1]).apply(lambda x : ' '.join(x)), inplace=True)
print(df)

              Sales
 Mike* Jones    500
 Amy James      300

# create a new column called "Special" and check where the index contains a "*"
# note you have to use "\*" because * is a special character
df['Special'] = df.index.str.contains('\*').astype(int)
print(df)

              Sales  Special
 Mike* Jones    500        1
 Amy James      300        0

# reassign the index after you replace the * with a blank ''
df.index = df.index.str.replace('\*', '')
print(df)

             Sales  Special
 Mike Jones    500        1
 Amy James     300        0

【讨论】：

【解决方案3】：

我可以看到的一个快速解决方案是使用iterrows()。您首先将special 列初始化为全零df['special']=0。然后遍历更正每个索引的行，并在需要的地方使特殊等于 1。

类似的东西

for i,j in df.iterrows():
    if '*' in i:
            df.loc[i]['Special'] = 1
    df.rename(index={i: (i.split(',')[1] +' '+ i.split(',')[0]).replace('*','')}, inplace=True)

希望这会有所帮助。

【讨论】：

【解决方案4】：

假设df 是您的数据框，'Index' 是索引。如果 'Index' 只是一列，请删除 reset_index 和 set_index 调用。

ddf = df.reset_index()
ddf['Special'] = ddf['Index'].str.contains('\*').astype(int)
ddf['Index'] = ddf['Index'].apply(lambda x : ' '.join(x.split(',')[::-1]).replace('*', '').strip())
ddf.set_index('Index', inplace=True)

ddf 是结果：

            Sales  Special
Index                     
Mike Jones    500        1
Amy James     300        0

【讨论】：