如何用Python Pandas为文件路径列生成父路径列？

方法一：用os.path.dirname（最简洁高效） #

Python内置的os.path模块专门处理路径，dirname方法可以直接提取父路径，只需处理根路径的特殊情况：

import os
import pandas as pd

df = pd.DataFrame(["/home", "/home/folder1", "/home/folder1/file1.xlsx", 
"/home/folder1/file1.xlsx", "/home/folder1/file2.xlsx", "/home/folder2", 
"/home/folder2/date", "/home/folder2/date/dates.txt", "/home/folder3"], columns=["file_path"])

# 提取父路径
df['parent_path'] = df['file_path'].apply(os.path.dirname)
# 将根路径的父路径（/）替换为ROOT
df['parent_path'] = df['parent_path'].replace('/', 'ROOT')

print(df)

运行后直接得到预期结果，这种方法依赖Python成熟的路径处理逻辑，避免自己造轮子出错。

方法二：完成你自己的match_parent函数 #

按照你提出的「层级匹配+前序完全匹配」思路，完善函数如下：

import pandas as pd

df = pd.DataFrame(["/home", "/home/folder1", "/home/folder1/file1.xlsx", 
"/home/folder1/file1.xlsx", "/home/folder1/file2.xlsx", "/home/folder2", 
"/home/folder2/date", "/home/folder2/date/dates.txt", "/home/folder3"], columns=["file_path"])

# 转成集合提升查询效率
file_paths_set = set(df['file_path'].unique())

def match_parent(x):
    path_parts = x.split('/')
    # 计算路径层级：分割后的列表长度减1（比如/home分割后是['', 'home']，层级为1）
    current_level = len(path_parts) - 1
    
    # 层级为1时，没有父路径，返回ROOT
    if current_level == 1:
        return "ROOT"
    
    # 拼接父路径：取前current_level个部分（对应层级减1的路径）
    parent_path = '/'.join(path_parts[:current_level])
    
    # 可选：验证父路径是否存在于已知路径中（如果需要严格校验）
    if parent_path in file_paths_set:
        return parent_path
    # 若父路径不在数据中，可返回默认值或按需求处理
    return parent_path

df['parent_path'] = df['file_path'].apply(match_parent)

print(df)

核心逻辑： #

• 把路径按/拆分成片段，通过片段数量判断层级
• 父路径是当前路径去掉最后一个片段后的拼接结果
• 特殊处理层级为1的路径（直接返回ROOT）
• 可选集合校验确保父路径确实存在于DataFrame中

方法三：字符串切片手动处理 #

如果不想用os模块，直接通过字符串操作截取父路径：

import pandas as pd

df = pd.DataFrame(["/home", "/home/folder1", "/home/folder1/file1.xlsx", 
"/home/folder1/file1.xlsx", "/home/folder1/file2.xlsx", "/home/folder2", 
"/home/folder2/date", "/home/folder2/date/dates.txt", "/home/folder3"], columns=["file_path"])

def get_parent_path(x):
    # 找到最后一个/的位置
    last_slash_pos = x.rfind('/')
    # 根级路径（比如/home）的最后一个/在索引0，返回ROOT
    if last_slash_pos == 0:
        return "ROOT"
    # 截取最后一个/之前的内容作为父路径
    return x[:last_slash_pos]

df['parent_path'] = df['file_path'].apply(get_parent_path)

print(df)

这种方法逻辑直观，适合快速实现简单的路径处理需求。

内容的提问来源于stack exchange，提问作者matt.aurelio