使用dfply提取split后列表元素触发ValueError问题求助

错误原因 #

你触发ValueError的核心问题是：X.Date.str.split(" ")返回的是Series对象（每个元素是对应行分割后的列表），直接加[0]会取出整个Series的第一个元素（也就是第一行分割后的列表，长度为2），然后试图把这个长度为2的列表作为新列值，和原DataFrame的279999行不匹配，因此报错。

两种正确写法 #

写法1：用str访问器取每个列表的第一个元素

from dfply import *
import pandas as pd

# 读取数据（也可直接从链接读取）
df = pd.read_csv("LaptopSales.csv")

(df >> select(X["Date"]) 
   >> mutate(AdjDate = X.Date.str.split(" ").str[0]) 
   >> head(3))

这里str.split(" ").str[0]是对Series中的每一个列表元素，单独取其索引为0的项，返回的是和原Series长度一致的结果，不会出现行数不匹配问题。

写法2：用expand=True拆分后直接选列

from dfply import *
import pandas as pd

df = pd.read_csv("LaptopSales.csv")

(df >> select(X["Date"]) 
   >> mutate(AdjDate = X.Date.str.split(" ", expand=True)[0]) 
   >> head(3))

expand=True会把每行的分割结果展开成多列的DataFrame，之后[0]直接选取第一列，同样能得到每行分割后的第一个元素。

内容的提问来源于stack exchange，提问作者nicomp