使用列表理解Python创建新列 使用Pandas.DataFrame.Apply的基本解决方案修改后的解决方案

如何解决使用列表理解Python创建新列 使用Pandas.DataFrame.Apply的基本解决方案修改后的解决方案

我正在尝试创建一个包含城市名称的新列。我还有一个列表，其中包含所需的城市名称和CSV文件，这些文件的城市名称使用不同的列名称。

我要做的是检查列表中的城市名称是否存在于CSV文件的特定列范围内，并在新列“城市”中填充该特定城市名称。

我的代码是：

 
 
import pandas as pd
import numpy as np
 
City_Name_List = ['Amsterdam','Antwerp','Brussels','Ghent','Asheville','Austin','Boston','broward County','Cambridge','Chicago','Clark County Nv','Columbus','Denver','Hawaii','Jersey City','Los Angeles','Nashville','New Orleans','New York City','Oakland','Pacific grove','Portland','Rhode Island','Salem Or','San Diego']
 
 
data = {'host_identity_verified':['t','t','t'],'neighbourhood':['Amsterdam,north Holland,Netherlands','Amsterdam,'NaN',Netherlands'],'neighbourhood_cleansed':['Oostelijk Havengebied - Indische Buurt','Centrum-Oost','Centrum-West','Oostelijk Havengebied - Indische Buurt','Centrum-West'],'neighbourhood_group_cleansed': ['NaN','NaN'],'latitude':[ 52.36575,52.36509,52.37297,52.38761,52.36719,52.36575,52.36719]}
 
df = pd.DataFrame(data)
 
 
df['City']  = [x for x in City_Name_List if x in df.loc[:,'host_identity_verified':'latitude'].values][0]

运行代码时，我收到以下消息：

Traceback (most recent call last):
  File "C:/Users/YAZAN/PycharmProjects/Yazan_Work/try.py",line 63,in <module>
    df['City'] = [x for x in City_Name_List if x in df.loc[:,'host_identity_verified':'latitude'].values][0]
IndexError: list index out of range

这是由于面对数据中的阿姆斯特丹市后跟着其他字眼。

我希望输出如下：

0    Amsterdam
1    Amsterdam
2    Amsterdam
3    Amsterdam
4    Amsterdam
5    Amsterdam
6    Amsterdam
7    Amsterdam
8    Amsterdam
9    Amsterdam
Name: City,dtype: object
 
 

我不懈地努力解决了这个问题。我尝试使用endswith，startswith，正则表达式，但无济于事。我可能错误地使用了这两种方法。我希望有人能帮助我。

解决方法

问题是，当您说x in df.loc[]时，您不是在检查城市名称是否在每个特定的字符串中，而是在检查城市名称是否在整个系列中，而不是在整个系列中。您需要的是这样的：

df['city'] = [x if x in City_Name_list else '' for x[0] in df['neighbourhood'].str.split(',')]

这会将df ['neighborhood']中的每一行沿逗号分隔并返回第一个值，然后检查该值是否在您的城市名称列表中，如果是，则将其放入“ city”系列中。 / p>

,

df['City'] = df['neighbourhood'].apply(lambda x: [i for i in x.split(',') if i in City_Name_List])
df['City'] = df['City'].apply(lambda x: "" if len(x) == 0 else x[0])

,

使用Pandas.DataFrame.Apply的基本解决方案

df['City'] = df.apply(
    lambda row: [x if x in row.loc['neighbourhood'] for x in City_Name_List][0],axis=1
)

执行上述操作后，如果在每一行的df['city']列中找到一个城市，则City_Name_List将包含一个城市（由其包含在'neighbourhood'中定义）。

修改后的解决方案

您可以更明确地指定City应该填充在每行,字段中第一次出现'neighbourhood'之前的第一个子字符串上。如果'neighbourhood'列在结构上可靠地统一，则可能是一个好主意，因为它可以帮助减轻因类似名称的城市，City_Name_List中其他城市的子字符串等城市而引起的任何不良行为。

df['City'] = df.apply(
    lambda row: [x if x in row.loc['neighbourhood'].split(',')[0] for x in City_Name_List][0],axis=1
)

注意：：以上解决方案只是示例，说明了如何解决所遇到的问题。它们没有考虑到对异常，极端情况等的正确处理。一如既往，您应该在代码中注意这些注意事项。