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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。