获取位置字符串的最后一个单词，除了 "New York"、"North Dakota"、"South Carolina" 等特殊情况

Question

我正在尝试从 pandas 数据框创建一个新字段。该字段是“位置”，它包含城市和州信息。我使用了一个 str.split().str[-1] 函数来获取位置的最后一个单词，通常是完整的州名称。

问题是像“北卡罗来纳州”这样的州变成了“卡罗来纳州”。我想考虑特殊情况，比如 .str[-2] = "north" or "new" or "south" or "west".

这是我的代码示例：

df["state"] = df.location.str.split().str[-1]
print(df.state.value_counts().reset_index())

这是输出：

index  state  
0      california  59855  
1            york     17  
2        illinois      8  
3   massachusetts      5

你可以看到“york”应该是“new york”。

我想我应该为位置字段编写一个函数，如下所示：

def get_location(x):  
   if x.str.split().str[-2] in ["new", "north", "south", "west"]:  
      return x.str.split().str[-2:]  
   else:  
      return x.str.split().str[-1]

这里的问题是我在调用 get_location(df.location) 时收到以下错误消息：

"Series的真值不明确。使用a.empty、a.bool()、a.item()、a.any()或a.all()."

我走的路对吗？我该怎么做才能让我的新 df.state 字段变成 return 输出，如下所示：

index   state  
0       california   59855  
1         new york      17  
2         illinois       8  
3    massachusetts       5  
4   north corolina       3

谢谢！

Answer 1

你可以使用 split 方法计算字符串的长度，像这样：

# Dataframe dummy from your Data:
your_df = pd.DataFrame({'location': ['New York', 'North Carolina', 'South Illinois', 'Texas', 'Florida'], 'another_field': [1000, 2000, 3000, 4000, 5000]})

# You verify the count of strings, if there are two or more, then you return full string.
your_df['state'] = your_df['location'].apply(lambda your_location: your_location if len(your_location.split(" ")) > 1 else your_location.split(" ")[-1])
your_df

输出：

    location       another_field    state
0   New York                1000    New York
1   North Carolina          2000    North Carolina
2   South Illinois          3000    South Illinois
3   Texas                   4000    Texas
4   Florida                 5000    Florida

获取位置字符串的最后一个单词，除了 "New York"、"North Dakota"、"South Carolina" 等特殊情况

Getting the last word of a location string, except for special cases like "New York", "North Dakota", "South Carolina", etc

python

string

location

pandas