如何从pandas DataFrame的姓名列中提取姓氏、身份头衔与名字？

报错1：TypeError: 'Series' objects are mutable, thus they cannot be hashed #

原因 #

Series.str.replace()的第一个匹配参数要求是字符串/编译后的正则表达式，你传入了df['first_Name']这个Series对象，pandas无法将可变的Series作为匹配规则，因此触发哈希错误。

修复方案 #

不需要用replace操作，直接沿用拆分逻辑即可实现提取，代码如下：

# 提取姓氏
df['first_Name'] = df['Name'].str.split(',').str.get(0).str.strip()
# 提取身份头衔
df['status'] = df['Name'].str.split(',').str.get(1).str.split('.').str.get(0).str.strip()
# 提取名字
df['second_name'] = df['Name'].str.split('.').str.get(1).str.strip()

报错2：AttributeError: 'str' object has no attribute 'str' #

原因 #

如果你是对df['Name']列调用apply方法，传入自定义函数的row是每一行的字符串值，不是Pandas的Series对象，因此不能调用只有Series才有.str类方法；同时你自定义函数里的变量命名混乱，返回的second_name、status未定义。

修复方案 #

不需要自定义函数逐行处理，直接对整个Name列调用str.extract即可一次性提取三个字段，代码更简洁高效：

# 正则一次性提取三个字段
name_part = df['Name'].str.extract(r'(?P<first_name>[^,]+), (?P<status>\w+)\. (?P<second_name>[^(]+)')
# 清理名字末尾的空白
name_part['second_name'] = name_part['second_name'].str.strip()
# 合并到原数据集
df = pd.concat([df, name_part], axis=1)

如果需要使用自定义函数实现，修正后写法如下：

import re
def extract_name_data(name_str):
    res = re.match(r'(?P<first_name>[^,]+), (?P<status>\w+)\. (?P<second_name>[^(]+)', name_str)
    if res:
        return res.group('first_name').strip(), res.group('status').strip(), res.group('second_name').strip()
    return None, None, None

# 应用函数拆分三个字段
df[['first_name', 'status', 'second_name']] = df['Name'].apply(extract_name_data).tolist()

内容的提问来源于stack exchange，提问作者Nikita Tsekhanovich