Python 使用长度不均匀的列表项创建列？

我有一个地址列表，我想将其放入一个数据框中，其中每一行是一个新地址，列是地址的单位（标题、街道、城市）

但是，按照列表的结构，有些地址比其他地址长。例如：

address = ['123 Some Street, City','45 Another Place, PO Box 123, City']

我有一个包含以下列的数据框架：

Index     Court       Address                              Zipcode   Phone                           
0         Court 1     123 Court Dr, Springfield            12345     11111
1         Court 2     45 Court Pl, PO Box 45, Pawnee       54321     11111
2         Court 3     1725 Slough Ave, Scranton            18503     11111
3         Court 4     101 Court Ter, Unit 321, Eagleton    54322     11111

我想根据地址中有多少逗号分隔符，将地址列拆分为最多三列，并在缺少值的地方填入NaN

例如，我希望数据如下所示：

Index     Court       Address          Address2     City           Zip  Phone                                          
0         Court 1     123 Court Dr     NaN          Springfield    ...   ...           
1         Court 2     45 Court Pl      PO Box 45    Pawnee         ...   ...
2         Court 3     1725 Slough Ave  NaN          Scranton       ...   ...
3         Court 4     101 Court Ter    Unit 321     Eagleton       ...   ...

df['Address1'] = df['Address'].str.split(',').str[0]
df['Address2'] = df['Address'].str.extract(',(.*),')
df['City'] = df['Address'].str.split(',').str[-1]

我在StackOverflow上尝试了大量不同的解决方案，但都没有成功。我得到的最接近的代码是：

df2 = pd.concat([df, df['Address'].str.split(', ', expand=True)], axis=1)

但这将返回一个数据帧，该数据帧将以下三列添加到结构相同的末尾：

...  0              1             2
... 123 Court Dr   Springfield   None
... 45 Court Pl    PO Box 45     Pawnee

这很接近，但正如您所看到的，对于较短的条目，城市与较长条目的第二个地址行对齐

理想情况下，第2列应该用一个城市填充每一行，第1列应该在“无”和第二个地址行（如果适用）之间交替

---

我希望这是有意义的——这是一个很难用语言表达的问题。谢谢

地址，尤其是由人工输入产生的地址，可能很棘手。但是，如果您的地址只适合这两种格式，则这将起作用：

注意：如果有一个额外的格式，你必须考虑，这将打印罪犯

def split_address(df):
    for index,row in df.iterrows():
        full_address = df['address']
        if full_address.count(',') == 3:
            split = full_address.split(',')
            row['address_1'] = split[0]
            row['address_2'] = split[1]
            row['city'] = split[2]
        else if full_address.count(',') == 2:
            split = full_address.split(',')
            row['address_1'] = split[0]
            row['city'] = split[1]
        else:
            print("address does not fit known formats {0}".format(full_address))

---

基本上，有两件事应该对您有所帮助：告诉您字符串中逗号数量的

string.count（）

函数，以及您已经找到的将输入拆分为数组的

string.split（）

。您可以引用此数组的各个部分，将片段分配到正确的列。

您可以执行以下操作：

Index     Court       Address          Address2     City           Zip  Phone                                          
0         Court 1     123 Court Dr     NaN          Springfield    ...   ...           
1         Court 2     45 Court Pl      PO Box 45    Pawnee         ...   ...
2         Court 3     1725 Slough Ave  NaN          Scranton       ...   ...
3         Court 4     101 Court Ter    Unit 321     Eagleton       ...   ...

df['Address1'] = df['Address'].str.split(',').str[0]
df['Address2'] = df['Address'].str.extract(',(.*),')
df['City'] = df['Address'].str.split(',').str[-1]

---

您可以考虑使用包创建函数。当我需要将地址分成几个部分时，它对我非常有帮助：

import usaddress

df = pd.DataFrame(['123 Main St. Suite 100 Chicago, IL', '123 Main St. PO Box 100 Chicago, IL'], columns=['Address'])

然后创建用于分割数据的函数：

def Address1(x):
    try:
        data = usaddress.tag(x)
        if 'AddressNumber' in data[0].keys() and 'StreetName' in data[0].keys() and 'StreetNamePostType' in data[0].keys():
            return data[0]['AddressNumber'] + ' ' + data[0]['StreetName'] + ' ' + data[0]['StreetNamePostType']
    except:
        pass

def Address2(x):
    try:
        data = usaddress.tag(x)
        if 'OccupancyType' in data[0].keys() and 'OccupancyIdentifier' in data[0].keys():
            return data[0]['OccupancyType'] + ' ' + data[0]['OccupancyIdentifier']
        elif 'USPSBoxType' in data[0].keys() and 'USPSBoxID' in data[0].keys():
            return data[0]['USPSBoxType'] + ' ' + data[0]['USPSBoxID']
    except:
        pass

def PlaceName(x):
    try:
        data = usaddress.tag(x)
        if 'PlaceName' in data[0].keys():
            return data[0]['PlaceName']
    except:
        pass

df['Address1'] = df.apply(lambda x: Address1(x['Address']), axis=1)
df['Address2'] = df.apply(lambda x: Address2(x['Address']), axis=1)
df['City'] = df.apply(lambda x: PlaceName(x['Address']), axis=1)

输出：

---

谢谢大家的回复！