获取AttributeError:在使用列表理解时，“列表”对象没有属性“拆分”

Question

我正在尝试从dataframe中的Locations列中提取国家，每个单元格可能有多个被‘\’分割的位置。目前我正在做这个，

conditions = [
          (len(org_df['Locations'].str.lower().str.split('|')) == 1),
          (len(org_df['Locations'].str.lower().str.split('|')) > 1)]

values = [
          list(org_df['Locations'].str.lower().str.split(','))[-1],
          [x.split(',')[-1] for x in list(org_df['Locations'].str.lower().str.split('|'))]
]

org_df['Country'] = np.select(conditions,values)

这给了我AttributeError：'list‘对象没有属性’拆分‘

，如果我对数据仓库中的一个特定的细胞做同样的事情，

bruh = [x.split(',')[-1] for x in list(org_df.loc[97,'Locations'].split('|'))]
print(bruh)

我得到了想要的输出，[' India', ' India']

我无法理解如何解决这一问题，任何帮助都将不胜感激。

更新

我试图列出一个列表来存储一个或多个国家的价值。正如@meh指出的那样，我着陆的行比我的数据多。现在我已经做到了

for x in org_df['Locations'].str.lower().str.split('|'):
            loc_list = []
            for y in x :
              word = y.split(',')[-1].lower()
              if(word.strip() in loc_list):
                continue
              else:
                loc_list.append(word.strip())
            loc_str= ','.join(loc_list)

            country_list.append(loc_str)

有任何方法可以使用列表理解来改进我的代码吗？

更新2这里是请求的输出@Onur。

[{'Acronym': nan,
  'Age': '35 Years to 64 Years \xa0 (Adult)',
  'Completion Date': nan,
  'Conditions': 'Breast Cancer|Cervical Cancer',
  'Country': 'india',
  'Enrollment': 151538.0,
  'First Posted': 'March 10, 2008',
  'Funded Bys': 'Other|NIH',
  'Gender': 'Female',
  'Interventions': 'Other: active surveillance|Other: educational intervention|Procedure: examination|Procedure: long-term screening',
  'Last Update Posted': 'August 26, 2013',
  'Locations': 'Tata Memorial Hospital, Mumbai, India',
  'NCT Number': 'NCT00632047',
  'Other IDs': 'CDR0000586791|TATA-1900215717A1',
  'Outcome Measures': 'Effectiveness of well planned health education programs and low-cost screening methods (e.g., clinical breast exam and visual inspection of the cervix) in reducing the incidence of and mortality due to breast and cervical cancer',
  'Phases': 'Phase 2',
  'Primary Completion Date': 'December 2015',
  'Rank': 1,
  'Results First Posted': nan,
  'Sponsor/Collaborators': 'Tata Memorial Hospital|National Cancer Institute (NCI)',
  'Start Date': 'May 1998',
  'Status': 'Unknown status',
  'Study Designs': 'Allocation: Randomized|Primary Purpose: Screening',
  'Study Documents': nan,
  'Study Results': 'No Results Available',
  'Study Type': 'Interventional',
  'Title': 'Early Detection of Breast Cancer and Cervical Cancer in Women in India',
  'URL': 'https://ClinicalTrials.gov/show/NCT00632047'}]

Answer 1

首先，您不需要将org_df['Locations'].str.lower().str.split('|')转换为列表(它已经是可迭代的，可以直接在循环中使用)。

其次，当您拆分时，其效果类似于Python中的常规字符串拆分，您将得到一个列表。因此，org_df['Locations'].str.lower().str.split('|')生成一个满是列表的pd.Series对象。因此，在for x in org_df['Locations'].str.lower().str.split('|')中，x是一个字符串列表，列表没有拆分方法。

如果我理解得很好，从您想要的输出示例中，您将需要另一个循环。类似于：

[y.split(',')[-1] for x in org_df['Locations'].str.lower().str.split('|') for y in x]

或

[x[-1].split(',')[-1] for x in org_df['Locations'].str.lower().str.split('|')]

但是，我并不完全理解x.split(',')[-1]在代码中的用途。在第一种情况下，您将拥有比原始示例更多的国家。在第二种情况下，我选择了最后一个提到的国家。还不清楚你想要实现什么。