將新列添加到Pandas DataFrame，並用同一df的另一列填充第一個單詞

Question

我擁有格羅斯特郡警察局從2011-16年報告的犯罪數據集。 這是我導入到Pandas數據框的.csv文件。 數據包括指出犯罪發生的下超級輸出區域（LSOA）的列，例如，對於圖克斯伯里（Tewkesbury）的犯罪，每條記錄都有對應的LSOA名稱，例如“ Tewkesbury 009D”； 'Tewkesbury 009E'。

我想將這些數據按與之相關的城鎮/城市進行分組，例如“ Gloucester”，“ Tewkesbury”，而忽略每個城市中特定的LSOA。 理想情況下，我會將一個新列添加到數據框，其中僅復制地名，並在其上進行分組。 我對如何進行分組感到很滿意，但首先不是新的列。 非常感謝您提供有關如何執行此操作的任何建議。

Answer 1

我不是Pandas專家，但我認為您可以進行字符串切片以去除最后五個數字（如果我沒記錯的話，它也支持正則表達式，因此如果需要，可以進行適當的“搜索”）。

#x is the original dataframe
new_col = x.lsoa.str[:-5]    #lsoa is the column containing city names
pd.concat([x, new_col], axis=1)

str方法可用於從數據幀的lsoa列中提取字符串。

Answer 2

遵循以下原則應該可以：

df['town'] = [x.split()[0] for x in df['LSOA']]

Answer 3

您可以使用正則表達式從DataFrame中提取城市名稱，然后將結果加入到原始DataFrame中。 如果您的初始DataFrame是df

df = pd.DataFrame([ 'Tewkesbury 009D', 'Tewkesbury 009E'], columns=['LSOA'])
In [2]: df
Out[2]: 
              LSOA
0  Tewkesbury 009D
1  Tewkesbury 009E

然后，您可以將城市名稱和LSOA代碼（可選）提取到新的DataFrame df_new

df_new = df['LSOA'].str.extract('(\w*)\s(\d+\w*)', expand=True)

In [10]: df_new
Out[10]: 
            0     1
0  Tewkesbury  009D
1  Tewkesbury  009E

如果您想放棄代碼而只保留城市名稱，請從正則表達式中刪除第二個括號為'(\\w*)\\s\\d+\\w*' 。 現在您可以將此結果附加到原始DataFrame中

In [11]: df.join(df_new)
Out[11]: 
              LSOA           0     1
0  Tewkesbury 009D  Tewkesbury  009D
1  Tewkesbury 009E  Tewkesbury  009E