如何从一列路径中获取基本文件名

Question

我有一个带有文件路径列的DataFrame。

我想将其更改为仅文件名。

我的DataFrame看起来像：

df = pd.DataFrame({
'Sr No': [18, 19, 20],
'Email': ['[e-mail]', '[e-mail]', '[e-mail]'],
'filename': [r'C:/UsersTest.csv', r'C:/UsersTest1.csv',
r'C:/UsersTest1.csv']
})

序号	电子邮件	文件名
18	[e-mail]	C:\Users\Test.csv
19	[e-mail]	C:\Users\Test1.csv
20	[e-mail]	C:\Users\Test1.csv

使用pandas.Series.apply遍历列，并将结果分配给新列。

df["filename"] = df["filename"].apply(os.path.basename)

或

df["filename"] = df["filename"].apply(lambda path: os.path.basename(path))

示例：

>>> df
Sr No          Email            filename
0     18  [e-mail]   C:/UsersTest.csv
1     19  [e-mail]  C:/UsersTest1.csv
2     20  [e-mail]  C:/UsersTest1.csv
>>> df["filename"] = df["filename"].apply(os.path.basename)
>>> df
Sr No          Email   filename
0     18  [e-mail]   Test.csv
1     19  [e-mail]  Test1.csv
2     20  [e-mail]  Test1.csv

---

pathlib模块中还有一个使用Path('C:/UsersTest.csv').name的选项，但这比os.path.basename慢，因为pathlib将string转换为pathlib对象。

如果文件名之前的斜杠是一致的，那么最快的选项是使用pandas.Series.str.split(例如df['filename'].str.split('\', expand=True).iloc[:, -1](。

在python 3.11.2和pandas 2.0.0中测试

%timeit测试

import pandas as pd
import os
from pathlib import Path
# sample dataframe with 30000 rows
df = pd.DataFrame({'Sr No': [18, 19, 20],
'Email': ['[e-mail]', '[e-mail]', '[e-mail]'],
'filename': [r'C:/UsersTest.csv', r'C:/UsersTest1.csv', r'C:/UsersTest1.csv']})
df = pd.concat([df] * 10000, ignore_index=True)
# timeit tests
%timeit df["filename"].apply(lambda path: Path(path).name)
%timeit df["filename"].apply(os.path.basename)
%timeit df["filename"].apply(lambda path: os.path.basename(path))
%timeit df['filename'].str.split('\', expand=True).iloc[:, -1]

结果

67.4 ms ± 1.72 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
43 ms ± 1.18 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
43 ms ± 1.1 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
15.2 ms ± 216 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

您需要通过重新定义来修改现有列

import pandas as pd
df = pd.read_csv('file_pathfile_name.csv')
df['filename'] = df['filename'].map(lambda x: x.split('\')[-1][:-4])
df = df.drop_duplicates()

这将产生作为数据帧的预期结果，因此您所缺少的只是将其保存回csv/excel:

df.to_excel('file_pathnew_file_name.xlsx')

或csv:

df.to_csv('file_pathnew_file_name.csv')

使用将excel文件读取到pandas数据帧中

import pandas as pd
df = pd.read_excel("your excel file location")

然后使用应用函数对整列执行一个操作，如下所示

def get_filename(path):
temp_str = path.split('/')
return temp_str[-1]
df["filename"] = df["filename"].apply(get_filename)

除了上面的答案，您还可以使用字符串方法：

df['filename'] = df['filename'].str.split('/')[-1]

不确定哪一个最快。

假设文件名列中的目录长度是固定的：

# created dataframe for example
df = pd.DataFrame({'Email':['[e-mail]','[e-mail]','[e-mail]'],
'filename':['c:/userstest.csv','c:/userstest1.csv','c:/userstest1.csv']} )   # dataframe
# will create new column with file name only
df['only_filename'] = [(path.encode('unicode_escape')[9:]).decode("utf-8") for path in df['filename']]