Pandas str.extract 用于过滤数据和交叉表？

Question

我正在尝试在过滤的数据集上提取选定的单词和交叉表，使用巨大的数据集进行说明。

train = pd.read_csv("d1.csv")
live= train[train['Survived']>0]# filter for survivors
print (live)
for live in live:
    live['Tt'] = live.Name.str.extract(' ([A-Za-z]+)\.', expand=False)
pd.crosstab(live['Tt'], live['Sex'])

我收到一个错误：AttributeError: 'str' object has no attribute 'Name'

实时检查过滤后的数据集，“名称”变量存在于数据集中。

我的哪一部分出错了？如何在交叉表中提取仅显示幸存者的答案？

Answer 1

错误原因

如果您有 for x in df: 形式的 for 语句，那么您的基本意思是：循环遍历数据框 df 的所有列名，并在每次循环迭代期间将列名分配给变量 @ 987654323@.

现在让我们看看你的 for 循环：

for live in live:
    live['Tt'] = live.Name.str.extract(' ([A-Za-z]+)\.', expand=False)

在这些行被执行之前，变量live 仍然包含一个熊猫数据框。但是，一旦在 for 循环变量 live 内，就已经从数据框中分配了一个字符串对象列名。因此，您收到的错误消息。

解决方案

我认为，如果您简单地从代码中消除 for-foop，您将获得预期的结果，如下所示：

train = pd.read_csv("d1.csv")
live= train[train['Survived']>0]# filter for survivors
live['Tt'] = live.Name.str.extract(' ([A-Za-z]+)\.', expand=False)
pd.crosstab(live['Tt'], live['Sex'])