如何用Python（Pandas/Numpy）从不等长单列拆分三列姓名数据

你的代码问题所在 #

• 第一段代码：你直接将 pandas Series（x）与称谓列表做比较，in 运算符会检查整个Series是否在列表中（而非逐个元素判断），导致所有行的分配逻辑错误。
• 第二段代码：嵌套循环会生成第一部分和第二部分的笛卡尔积，导致称谓、名字列表的长度与姓氏列表不匹配，出现大量重复条目。

正确实现方式 #

我们可以用 pandas 的 apply 函数逐行处理姓名，同时将称谓转为集合类型以加快查找速度（集合的成员检查效率远高于列表）。

import pandas as pd

# 示例数据
data = {'Names': ['Simon Cool', 'Mrs. Sarah Smart', 'Mr Harry Adams', 'Rupert Clever', 'Miss Jane Super']}
df = pd.DataFrame(data)

# 定义称谓集合（集合查找更快）
saluations = {'Mr', 'Mr.', 'Mrs', 'Mrs.', 'Miss', 'Ms', 'Ms.', 'Dr.', 'Lord', 'Lady'}

# 拆分姓名的函数
def split_name(name):
    parts = name.split()
    if parts[0] in saluations:
        title = parts[0]
        first_name = parts[1]
        last_name = parts[-1]
    else:
        title = ''
        first_name = parts[0]
        last_name = parts[-1]
    return pd.Series([title, first_name, last_name], index=['Title', 'First Name', 'Last Name'])

# 应用函数并合并结果
result = df.join(df['Names'].apply(split_name))

# 输出结果
print(result[['Title', 'First Name', 'Last Name']])

运行结果 #

Title First Name Last Name
0              Simon      Cool
1  Mrs.       Sarah     Smart
2    Mr       Harry     Adams
3             Rupert     Clever
4   Miss        Jane     Super

优化建议 #

• 用集合存储称谓：集合的成员检查时间复杂度为O(1)，列表为O(n)，处理大数据集时效率差异明显。
• 避免手动循环：Pandas的apply（或向量化操作）是专为逐行处理优化的，比手动构建列表更简洁高效。
• 兼容边缘情况：如果需要处理带中间名或多称谓的姓名，可以扩展函数逻辑，比如检查更长的前缀或调整字段提取规则（当前代码适用于你的示例场景）。

内容的提问来源于stack exchange，提问作者S.Toor