如何在 Python 的数据框中的每一行上使用 split 函数？答案

【问题标题】：How to use the split function on every row in a dataframe in Python?如何在 Python 的数据框中的每一行上使用 split 函数？
【发布时间】：2016-07-06 14:58:51
【问题描述】：

我想计算一个单词在评论字符串中重复的次数

我正在读取 csv 文件并使用以下行将其存储在 python 数据框中

reviews = pd.read_csv("amazon_baby.csv")

当我将以下行中的代码应用于单个评论时，它可以工作。

print reviews["review"][1]
a = reviews["review"][1].split("disappointed")
print a
b = len(a)
print b

以上行的输出是

it came early and was not disappointed. i love planet wise bags and now my wipe holder. it keps my osocozy wipes moist and does not leak. highly recommend it.
['it came early and was not ', '. i love planet wise bags and now my wipe holder. it keps my osocozy wipes moist and does not leak. highly recommend it.']
2

当我使用下面的行将相同的逻辑应用于整个数据框时。我收到一条错误消息

reviews['disappointed'] = len(reviews["review"].split("disappointed"))-1

错误信息：

Traceback (most recent call last):
  File "C:/Users/gouta/PycharmProjects/MLCourse1/Classifier.py", line 12, in <module>
    reviews['disappointed'] = len(reviews["review"].split("disappointed"))-1
  File "C:\Users\gouta\Anaconda2\lib\site-packages\pandas\core\generic.py", line 2360, in __getattr__
    (type(self).__name__, name))
AttributeError: 'Series' object has no attribute 'split'

【问题讨论】：

标签： python string dataframe

【解决方案1】：

您正在尝试拆分数据框的整个评论列（即错误消息中提到的系列）。您要做的是对数据框的每一行应用一个函数，您可以通过在数据框上调用apply 来做到这一点：

f = lambda x: len(x["review"].split("disappointed")) -1
reviews["disappointed"] = reviews.apply(f, axis=1)

【讨论】：

除了将数据读入reviews 变量之外，我还需要在此代码中添加任何其他行吗？因为上面两行没有用。
我认为它应该像书面的那样工作，但我没有测试它。出了什么问题？
文件“Classifier.py”，第 18 行，在评论[“失望”] = reviews.apply(f, axis=1) 文件“pandas\core\frame.py”，第 3972 行，在应用中返回 self._apply_standard(f, axis, reduce=reduce) 文件“pandas\core\frame.py”，第 4064 行，在 apply_standard 结果[i] = func(v) 文件“分类器。 py"，第 17 行，在 f = lambda x: len(reviews["review"].split("disappointed")) -1 文件 "pandas\core\generic.py"，第 2360 行，在 getattr (type(self).__name_, name)) AttributeError: ("'Series' object has no attribute 'split'", u'occurred at index 0')
糟糕。应该是lambda x: len(x["review"].split("disappointed")) -1。 x 是传递给函数的行而不是整个数据框本身。

【解决方案2】：

嗯，问题出在：

reviews["review"]

以上是一个系列。在您的第一个 sn-p 中，您正在这样做：

reviews["review"][1].split("disappointed")

也就是说，您正在为评论添加索引。您可以尝试遍历列的所有行并执行所需的操作。例如：

for index, row in reviews.iterrows():
    print len(row['review'].split("disappointed"))

【讨论】：

【解决方案3】：

您可以使用.str 对一系列字符串使用字符串方法：

reviews["review"].str.split("disappointed")

【讨论】：

str 不能解决问题。 reviews["review"] 给出了一系列字符串而不是一个字符串。
@OzgurOzturk 它确实解决了将split 应用于每一行的问题。 Id 不能解决计算长度的问题，因为我认为这很容易。而且我知道reviews["review"] 是一系列字符串。为什么你认为我没有？
这种方法解决了我的问题....你如何只获得系列拆分后的值？
@santma 我不知道你所说的“价值”是什么意思。您可能想问一个新问题，包括minimal reproducible example。
@StopharmingMonica 当我使用 .split() 时，我会返回 split() 的两边。例如，我在数据框中有一个遵循以下格式的 URL 列表：'domain.co/product/product-name'。我只想得到“产品名称”。当我使用 .split("product/") 我得到 ["domain.co/","product-name/"].

【解决方案4】：

pandas 0.20.3 具有 pandas.Series.str.split() 作用于系列的每个字符串并进行拆分。所以你可以简单地拆分，然后计算拆分的数量

len(reviews['review'].str.split('disappointed')) - 1

pandas.Series.str.split

【讨论】：

我认为这是最适合 Pandas 的解决方案，而且可能更快。想知道 OP 是否有机会对其进行性能测试。