获取位置字符串的最后一个单词，特殊情况除外，例如“纽约”，“北达科他州”，“南卡罗来纳州”等

如何解决获取位置字符串的最后一个单词，特殊情况除外，例如“纽约”，“北达科他州”，“南卡罗来纳州”等

我正在尝试从pandas数据框创建一个新字段。该字段为“位置”，其中包含城市和州信息。我使用了str.split().str[-1]函数来获取位置的最后一个字，通常是全州名称。

问题是像“北卡罗莱纳州”这样的州变成了“卡罗莱纳州”。我想考虑一些特殊情况，例如.str[-2] =“北”或“新”或“南”或“西”。

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  

您会看到“纽约”应该是“纽约”。

我想我应该为location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]   

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

“系列的真值不明确。请使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。”

我在这里正确吗？我该怎么做才能使新的df.state字段返回如下输出：

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

谢谢！

解决方法

您可以使用split方法计算字符串的长度，如下所示：

# 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