熊猫数据共享最大

Question

我有一个包含单个名称的列的dataframe。名称并不总是相同的格式，所以我尝试将名字和姓氏分割成不同的列。例如，我可以看到：

Smith John

Smith, John

Smith, John A

Smith John A

Smith John and Jane

一致的模式是姓第一。如何为姓氏创建两个单独的字段，然后创建第二列，即所有内容，而不是姓氏。这是我到目前为止所拥有的

owners_df['normal_name'] = owners_df['name'].str.replace(', ', ' ')
owners_df['lastname'] = owners_df["normal_name"].str.split(' ', 1)[0]
owners_df['firstname'] = owners_df["normal_name"].str.split(' ', 1)[1]

问题是我得到了一个错误"ValueError:值的长度不匹配索引的长度“

Answer 1

正如@Datanovice在评论中已经说过的那样，“当您运行此owners_df["normal_name"].str.split(' ', 1)[0]时，您只获取第一行”。

使用.str访问器获得预期的输出

owners_df['lastname'] = owners_df["normal_name"].str.split(' ', n=1).str[0]
owners_df['firstname'] = owners_df["normal_name"].str.split(' ', n=1).str[1]

见文档注意到n参数将拆分限制为一次。

Answer 2

你在分手后要找.str[0]和.str[1:]。

ser=pd.Series(['Smith John',
'Smith John',
'Smith John A',
'Smith John A',
'Smith John and Jane'])

ser.str.split(' ').str[0]

0    Smith
1    Smith
2    Smith
3    Smith
4    Smith

#leaving off the .str.join will give a list, which may be preferable in some use cases
ser.str.split(' ').str[1:].str.join(' ') 

0             John
1             John
2           John A
3           John A
4    John and Jane

如果您只想将每个元素移动到一个单独的列，则可以传递expand=True

ser.str.split(' ', expand=True)

    0       1       2       3
0   Smith   John    None    None
1   Smith   John    None    None
2   Smith   John    A       None
3   Smith   John    A       None
4   Smith   John    and     Jane