熊猫将名称列拆分为名字和姓氏（如果包含一个空格）

Question

假设我有一个熊猫DataFrame，其中包含如下名称：

name_df = pd.DataFrame({'name':['Jack Fine','Kim Q. Danger','Jane Smith', 'Juan de la Cruz']})

    name
0   Jack Fine
1   Kim Q. Danger
2   Jane Smith
3   Juan de la Cruz

如果name有一个空格，我想将name列分为first_name和last_name 。 否则，我希望将全名推入first_name 。

因此最终的DataFrame应该看起来像：

  first_name     last_name
0 Jack           Fine
1 Kim Q. Danger
2 Jane           Smith
3 Juan de la Cruz

我试图通过首先应用以下函数来返回可拆分为名字和姓氏的名称来实现此目的：

def validate_single_space_name(name: str) -> str:
    pattern = re.compile(r'^.*( ){1}.*$')
    match_obj = re.match(pattern, name)
    if match_obj:
        return name
    else:
        return None

但是将此功能应用于我的原始name_df会导致一个空的DataFrame，而不是由可以拆分的名称和None填充的一个。

帮助使我目前的方法起作用，或者采用其他方法的解决方案将不胜感激！

Answer 1

您可以使用str.split拆分字符串，然后使用str.len测试拆分的数量，并将其用作布尔掩码，仅分配具有拆分的最后一部分的那些行：

In [33]:
df.loc[df['name'].str.split().str.len() == 2, 'last name'] = df['name'].str.split().str[-1]
df

Out[33]:
              name last name
0        Jack Fine      Fine
1    Kim Q. Danger       NaN
2       Jane Smith     Smith
3  Juan de la Cruz       NaN

编辑

您可以使用param expand=True调用split ，这只会在名称长度恰​​好是2个名称的地方填充：

In [16]:
name_df[['first_name','last_name']] = name_df['name'].loc[name_df['name'].str.split().str.len() == 2].str.split(expand=True)
name_df

Out[16]:
              name first_name last_name
0        Jack Fine       Jack      Fine
1    Kim Q. Danger        NaN       NaN
2       Jane Smith       Jane     Smith
3  Juan de la Cruz        NaN       NaN

然后，您可以使用fillna替换缺少的名字：

In [17]:
name_df['first_name'].fillna(name_df['name'],inplace=True)
name_df
​
Out[17]:
              name       first_name last_name
0        Jack Fine             Jack      Fine
1    Kim Q. Danger    Kim Q. Danger       NaN
2       Jane Smith             Jane     Smith
3  Juan de la Cruz  Juan de la Cruz       NaN

Answer 2

我在IndexError: list index out of range遇到了一些问题IndexError: list index out of range因为名称可能是test ， kk和其他奇怪的用户输入。 所以最终得到这样的东西：

items['fullNameSplitLength'] = items['fullName'].str.split().str.len()
items['firstName'] = items['lastName'] = ''
items.loc[
  items['fullNameSplitLength'] >= 1,
  'firstName'
] = items.loc[items['fullNameSplitLength'] >= 1]['fullName'].str.split().str[0]
items.loc[
  items['fullNameSplitLength'] >= 2,
  'lastName'
] = items.loc[items['fullNameSplitLength'] >= 2]['fullName'].str.split().str[-1]