如何在条件语句中使用 str.contains() 将函数应用于数据框列的某些元素？答案

【问题标题】：How to use str.contains() in a conditional statement to apply a function to some elements of a dataframe column?如何在条件语句中使用 str.contains() 将函数应用于数据框列的某些元素？
【发布时间】：2021-10-20 11:40:16
【问题描述】：

我在 pandas 数据框中有一列，其中包含指向网站的各种 URL：

df:
    ID   URL
0   1    https://www.Facebook.com/fr
1   2    https://Twitter.com/de
2   3    https://www.Youtube.com
3   4    www.Microsoft.com
4   5    https://www.Stackovervlow.com

我正在使用 urlparse().netloc 清理 URL，使其仅包含域名（例如，从 https://www.Facebook.com/fr 到 www.Facebook.com）。一些 URL 已经是干净的格式（上面的www.Microsoft.com），将urlparse().netloc 应用于这些干净的 URL 会导致一个空单元格。因此，我试图将 urlparse().netloc 函数应用于包含字符串“http”的 URL 列的元素，否则它应该返回原始 URL。这是我尝试使用的代码：

df['URL'] = df['URL'].apply(
    lambda x: urlparse(x).netloc if x.str.contains("http", na=False) else x
)

但是，我收到此错误消息：AttributeError: 'str' object has no attribute 'str'。任何有关我如何克服这个问题以完成任务的帮助将不胜感激！

【问题讨论】：

标签： python pandas urlparse

【解决方案1】：

您正在使用pandas.Series.apply，因此您的函数 (lambda) 本身接收元素 (str)，因此您可以简单地使用 in，如下所示

df['URL'] = df['URL'].apply(
    lambda x: urlparse(x).netloc if "http" in x else x
)

【讨论】：

【解决方案2】：

x 已经是一个字符串，而不是Series。所以使用x.find:

df['URL'] = df['URL'].apply(
    lambda x: urlparse(x).netloc if x.find("http") != -1 else x
)
print(df)

# Output:
   ID                    URL
0   1       www.Facebook.com
1   2            Twitter.com
2   3        www.Youtube.com
3   4      www.Microsoft.com
4   5  www.Stackovervlow.com

但是你可以使用str.extract来获取netloc：

df['URL'] = df['URL'].str.extract(r'(?:^https?://)?([^/]+)', expand=False)
print(df)

# Output:
   ID                    URL
0   1       www.Facebook.com
1   2            Twitter.com
2   3        www.Youtube.com
3   4      www.Microsoft.com
4   5  www.Stackovervlow.com

【讨论】：