python-3.x - 基于 Condition Pandas Dataframe 拆分列数据

Question

我有一个大数据集，正在寻找将我的街道地址分成两列的东西 Street Number和 Street Name .

我想弄清楚如何有效地做到这一点，因为我首先需要处理街道地址，然后检查拆分的第一个索引是否有数字。

到目前为止，我有一个看起来像这样的工作代码。我创建了两个函数，一个用于从街道地址中提取街道号码数据，而另一个函数则替换街道地址中第一次出现的街道号码。

def extract_street_number(row):
      if any(map(str.isdigit, row.split(" ")[0])):
        return row.split(" ")[0]


def extract_street_name(address, streetnumber):
    if streetnumber:
        return address.replace(streetnumber, "", 1)
    else:
        return address

然后使用 apply 函数获得两列。

df[street_number] = df.apply(lambda row: extract_street_number(row[address_col]), axis=1)
df[street_name] = df.apply(lambda row: extract_street_name(row[address_col], row[street_number]), axis=1)

我想知道是否有更有效的方法来做到这一点？基于此当前例程，在处理街道名称列之前，我需要先构建街道编号列。

我正在考虑在地址列的第一次迭代中构建两个系列。伪代码是这样的，我只是不知道如何在 python 中对其进行编码。

伪代码:

根据遇到非数字字符的第一个空格将地址拆分为两列:street_data = address.split(" ", maxsplit=1)

如果 street_data[0] 有数字，则以这种方式返回列:

      df[street_number] = street_data[0]
      df[street_name] = street_data[1]

否则，如果 street_data[0] 不是数字，则以这种方式返回列:

      df[street_number] = ""
      df[street_name] = street_data[0] + " " + street_data[1]
      # or just simply the address
      df[street_name] = address

顺便说一下，这是数据的工作样本:

# In
df = pd.DataFrame({'Address':['111 Rubin Center', 'Monroe St', '513 Banks St', '5600 77 Center Dr', '1013 1/2 E Main St', '1234C Main St', '37-01 Fair Lawn Ave']})

# Out
   Street_Number    Street_Name
0           111     Rubin Center
1                   Monroe St
2           513     Banks St
3        560 77     Center Dr
4      1013 1/2     E Main St
5         1234C     Main St
6         37-01     Fair Lawn Ave

Answer 1

TL;博士:
这可以通过三个步骤来实现——
步骤 1-

df['Street Number'] = [street_num[0] if any(i.isdigit() for i in street_num[0]) else 'N/A' for street_num in df.Address.apply(lambda s: s.split(" ",1))]

步骤 2-

df['Street Address'] = [street_num[1] if any(i.isdigit() for i in street_num[0]) else 'N/A' for street_num in df.Address.apply(lambda s: s.split(" ",1))]

步骤 3-

df['Street Address'].loc[df['Street Address'].str.contains("N/A") == True] = df1['Address'].loc[df1['Street Address'].str.contains("N/A") == True]

说明-
在数据框中添加了另外两个测试用例以提高代码灵活性(第 7,8 行)-

第 1 步 - 我们在这里将街道号码与地址分开。这是通过在拆分地址字符串并初始化为 Street Number 之后从列表中切分第一个元素来完成的。柱子。
如果第一个元素不包含数字， N/A附加在 Street Number 中柱子。

第 2 步 - 由于切片字符串中的第一个元素包含 Street Number ，第二个元素必须是 Street Address因此附加到 Street Address柱子。

第 3 步 - 由于第二步， Street Address对于不包含数字并由此解决的“地址”变为“不适用” -

因此，我们可以在 之后分三步解决这个问题。小时的奋斗转换。