Question

我有一个csv文件，其中包含MLA格式的作者列表。

df = pd.read_csv('file.csv')

如果我检查我的列名：

df['name']

'van der Hilst, Rob, Chen, Min, Huang, Hui, Niu, Fenglin, Yao, Huajian'
'Malanotte-Rizzoli, Paola, Eltahir, Elfatih, Wei, Jun, Xue, Pengfei'
'Bowring, Samuel, Hoke, Gregory, Schmitz, Mark'

我想提取Firstname+Familyname并为其分配唯一ID。例如，我想要Rob van der Hilst = 0，Min Chen = 1等等。

Answer 1

如果我理解你的问题是正确的，那么你可以利用python字符串sclicing和其他花哨的语言功能

这是代码和解释：

加载名称

names = 'van der Hilst, Rob, Chen, Min, Huang, Hui, Niu, Fenglin, Yao, Huajian' + \
        'Malanotte-Rizzoli, Paola, Eltahir, Elfatih, Wei, Jun, Xue, Pengfei' + \
        'Bowring, Samuel, Hoke, Gregory, Schmitz, Mark'

在逗号上分隔名称，后跟空格：

names = names.split(', ')

使用python切片提取名字和姓氏，名称如下： [＆＃39; van der Hilst＆＃39;，＆＃39; Rob＆＃39;，＆＃39; Chen＆＃39;＆＃39; Min＆＃39;，＆＃39; Huang＆＃39; ...]

切片采用标量[start：stop：steps]的形式，因此我们从第一个名字和第一个名字开始，并采取大小为2的步骤来获取所有其他姓氏或名字，如果＆＃39 ;停止＆＃39;是空的，这意味着继续直到结束＆＃39;

last_names = names[::2]
first_names = names[1::2]

最后我们使用字典完整性将名称映射到id，为此我们使用：

zip函数将姓氏和姓氏粘在一起

用于分配数字的枚举函数

＆＃39;％s％s＆＃39;合并名字和姓氏

names = {'%s %s' % (fn, ln) : _id for _id, (fn, ln) in enumerate(zip(first_names, last_names))}

最终代码是：

names = 'van der Hilst, Rob, Chen, Min, Huang, Hui, Niu, Fenglin, Yao, Huajian' + \
        'Malanotte-Rizzoli, Paola, Eltahir, Elfatih, Wei, Jun, Xue, Pengfei' + \
        'Bowring, Samuel, Hoke, Gregory, Schmitz, Mark'
names = names.split(', ')
last_names = names[::2]
first_names = names[1::2]

names = {'%s %s' % (fn, ln) : _id for _id, (fn, ln) in enumerate(zip(first_names, last_names))}

Python：从文件名中提取唯一ID

1 个答案: