如何在Pandas中提取名字长度≥4的人员姓氏？求代码优化

问题分析 #

原代码的错误出在最后一行的判断逻辑：data['FirstName'] in data['NewFirstName']试图将整个Series对象用于in判断，而Series是不可哈希的类型，因此抛出TypeError。此外代码还存在逻辑错误——把拆分后的名字列当成姓氏列赋值给LastName，完全搞反了对应关系。

简洁解决方案 #

用Pandas的矢量化字符串操作可以高效完成需求，避免低效的apply和错误逻辑：

import pandas as pd

# 读取数据
data = pd.read_csv("Data.csv")

# 按第一个空格拆分姓名，生成名字和姓氏列（n=1避免名字含空格时拆分错误）
data[["FirstName", "LastName"]] = data["EmployeeName"].str.split(n=1, expand=True)

# 给名字长度不足4的行清空姓氏列
data.loc[data["FirstName"].str.len() < 4, "LastName"] = None

# 提取符合条件的记录（可选）
derived_name = data.dropna(subset=["LastName"])

关键优化点 #

• 用str.split(n=1, expand=True)一次性拆分并生成两列，无需单独分步赋值
• 用矢量化的str.len()和loc索引替代apply，执行效率更高
• 直接通过条件索引控制姓氏列的赋值，逻辑清晰无歧义

内容的提问来源于stack exchange，提问作者Bumze