熊猫数据帧最大拆分

Question

>我有一个数据帧，其中有一列包含个人名称。名称并不总是采用相同的格式，因此我尝试将名字和姓氏拆分为单独的列。例如，我可能会看到：

Smith John
Smith, John
Smith, John A
Smith John A
Smith John and Jane

一致的模式是姓氏在前。如何为姓氏创建两个单独的字段，然后是第二列，该列不是姓氏。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]

问题是我收到错误"值错误：值的长度与索引的长度不匹配">

Answer 1

正如@Datanovice评论中已经说过的那样"当你运行这个owners_df["normal_name"].str.split(' ', 1)[0]你只抓住第一行">

使用.str访问器获取预期输出

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]

查看文档 请注意n参数以将拆分限制为一次。

Answer 2

你正在寻找分手后的.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

相反，如果您只想将每个元素移动到单独的列中，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