如何提取pandas DataFrame中url列的路径，解决Series真值模糊报错

• urlparse 方法仅支持传入单个URL字符串，而你直接传入了df['url']这个pandas Series对象（整列数据），urllib内部做空值判断时无法处理Series类型，触发了ValueError: The truth value of a Series is ambiguous报错。

你可以用pandas的apply方法遍历整列的每个URL，逐个解析提取path，修改后的代码如下：

import pandas as pd
from urllib.parse import urlparse

fic_in = 'file.csv'
df = pd.read_csv(fic_in)
# 对url列每个值执行urlparse，提取path
df['url'] = df['url'].apply(lambda x: urlparse(x).path)
print(df)

可选优化 #

如果数据中存在空值、非标准格式的异常URL，可以增加容错逻辑避免运行中断：

import pandas as pd
from urllib.parse import urlparse

def get_url_path(url):
    if not url:
        return ''
    try:
        return urlparse(url).path
    except:
        return ''

fic_in = 'file.csv'
df = pd.read_csv(fic_in)
df['url'] = df['url'].apply(get_url_path)
print(df)

内容的提问来源于stack exchange，提问作者AdamD97