如何从DataFrame路径列提取文件名并移除可变的images/[数字]/前缀

针对需要移除filename列中images/[数字]/前缀的需求，这里提供几种简洁的实现方式：

方法1：正则表达式替换 #

利用正则匹配images/+任意数字+/的前缀模式，直接替换为空字符串：

import pandas as pd

# 读取无表头的空格分隔数据
data = pd.read_csv('/media/cvpr/CM_24/synthtiger/results/gt.txt', sep="\s+", header=None)
# 设置列名
data.columns = ['filename', 'words']

# 移除前缀：匹配以images/数字/开头的部分并替换为空
data['filename'] = data['filename'].str.replace(r'^images/\d+/', '', regex=True)

# 保存为csv（index=False避免生成默认索引列）
data.to_csv('labels.csv', index=False)

方法2：字符串分割取最后一段 #

不管中间的数字是什么，直接通过分割路径取最后一段文件名：

import pandas as pd

data = pd.read_csv('/media/cvpr/CM_24/synthtiger/results/gt.txt', sep="\s+", header=None)
data.columns = ['filename', 'words']

# 按/分割路径，取最后一个元素
data['filename'] = data['filename'].str.split('/').str[-1]

data.to_csv('labels.csv', index=False)

方法3：用pathlib处理路径（更优雅的路径操作方式） #

借助Python内置的pathlib模块专门处理路径，提取文件名：

import pandas as pd
from pathlib import Path

data = pd.read_csv('/media/cvpr/CM_24/synthtiger/results/gt.txt', sep="\s+", header=None)
data.columns = ['filename', 'words']

# 提取路径中的文件名部分
data['filename'] = data['filename'].apply(lambda x: Path(x).name)

data.to_csv('labels.csv', index=False)

内容的提问来源于stack exchange，提问作者Khawar Islam