python报错—使用.str.contains()方法替换某一列报错：AttributeError: ‘str‘ object has no attribute ‘str‘及解决方案

项目场景：

1.要求：筛选channel_type_desc列，将"含有实体渠道的"全部替换"实体渠道"，将"含有电子渠道的"全部替换成"电子渠道"，将"含有直销渠道的"全部替换成"直销渠道"，其他替换为"未识别"。

导入数据及查看数据情况

#导入数据
import os 
import pandas as pd 
import numpy as np
def read_file(filepath):
    os.chdir(os.path.dirname(filepath))
    return pd.read_csv(os.path.basename(filepath),encoding='utf-8')

file_pos="F:\\python_machine_learing_work\\501_model\\data\\第一次建模用的样本数据\\训练集\\v1_6_feature.csv"

data_pos_1=read_file(file_pos)

#查看channel_type_desc的数据分布
data_pos_1.channel_type_desc.value_counts() 

---

问题描述

2.实现过程

def func(x):
	if x.str.contains('实体渠道'):
		return "实体渠道"
	elif x.str.contains('电子渠道'):
		return "电子渠道"
	elif x.str.contains('直销渠道'):
		return "直销渠道"
	else:
		return "未识别"

使用apply方法对 “data_pos_1[‘channel_type_desc’]” 调用函数func。

data_pos_1[data_pos_1['channel_type_desc'].apply(func)]

3.发现问题：报错：AttributeError: ‘str’ object has no attribute ‘str’

---

原因分析：

• 原因一：.str.contains()函数只能对Series使用。
• 原因二：Series使用apply方法后，apply会自动遍历整个Series，将Series分解为一个个元素（元素数据类型跟数据列的数据类型一致）传入函数中，按照相对应的函数进行运算，最终将所有的计算结果存储在一个新的Series中返回。

4.具体原因分析：

从上面我们可以看到，“data_pos_1[‘channel_type_desc’]” 数据类型是Series，但是 “data_pos_1[data_pos_1[‘channel_type_desc’].apply(func)]” 等于对Series使用apply方法，实际上是将"data_pos_1[‘channel_type_desc’]"中的元素一个个传入到func函数中，元素类型是<class ‘str’>，又因为.str.contains()函数只能对Series使用，因此会报错AttributeError: ‘str’ object has no attribute ‘str’。

原因二举例说明：
1.创建测试DataFrame

import pandas as pd
df = pd.DataFrame({'A': [1, 80, 4],
                   'B': [9, 80, 5],
                   'C': ['pink','puple','blue']})
df                    

2.查看对 Series下使用 apply方法，Series传入函数的数据类型。

print(type(df['C']))

def test(data):
	print(data)
	print(type(data))
	print('______')
	return data

result=df['C'].apply(test)

print('------分隔线------')
print("最终返回一个新的Series")
print(type(result))
print('------分隔线------')
print("将series对象转为Dataframe对象",'\n',result.apply(pd.Series),'\n',type(result.apply(pd.Series)))

运行结果：

从上面可以看出，apply将df[‘C’]中元素一个个分解开传入函数中，每个元素类型为<class ‘str’>，最终所有元素合并成一个新的Series（result）返回。

---

解决方案：

方案一： 使用其他方法进行替换，不使用.str.contains()函数。

举例1：使用re.match()函数

import re 

def func(data):
    if re.match(r'[\u4e00-\u9fa5]*实体渠道*[\u4e00-\u9fa5]',str(data)):
        return "实体渠道"
    elif re.match(r'[\u4e00-\u9fa5]*电子渠道*[\u4e00-\u9fa5]',str(data)):
        return "电子渠道"
    elif re.match(r'[\u4e00-\u9fa5]*直销渠道*[\u4e00-\u9fa5]',str(data)):
        return "直销渠道"
    else:
        return "未识别"

data_pos_1['channel_type_desc']=data_pos_1['channel_type_desc'].apply(func)   

举例2：使用re.search()函数

import re

def func(x):
    if re.search(r'[\u4e00-\u9fa5]*实体渠道*[\u4e00-\u9fa5]',str(x)):
        return "实体渠道"
    elif re.search(r'[\u4e00-\u9fa5]*电子渠道*[\u4e00-\u9fa5]',str(x)):
        return "电子渠道"
    elif re.search(r'[\u4e00-\u9fa5]*直销渠道*[\u4e00-\u9fa5]',str(x)):
        return "直销渠道"
    else:
        return "未识别"
        
data_pos_1['channel_type_desc']=data_pos_1['channel_type_desc'].apply(func)   

举例3：使用np.where()函数，这个方法没有加上str.contains()模糊查询来的简洁，不太推荐。

import numpy as np 

data_pos_1['channel_type_desc']=np.where((data_pos_1['channel_type_desc']=='社会实体渠道')|(data_pos_1['channel_type_desc']=='自营实体渠道'),'实体渠道',
									np.where((data_pos_1['channel_type_desc']=='社会电子渠道')|(data_pos_1['channel_type_desc']=='自营电子渠道'),'电子渠道',
										np.where((data_pos_1['channel_type_desc']=='社会直销渠道')|(data_pos_1['channel_type_desc']=='自营直销渠道'),'直销渠道','未识别')))

举例4：使用Series.replace()函数

#第一种写法
def func(x):
    result=x.replace(r'[\u4e00-\u9fa5]*实体渠道*[\u4e00-\u9fa5]','实体渠道',regex=True)
    result1=result.replace(r'[\u4e00-\u9fa5]*电子渠道*[\u4e00-\u9fa5]','电子渠道',regex=True)
    result2=result1.replace(r'[\u4e00-\u9fa5]*直销渠道*[\u4e00-\u9fa5]','直销渠道',regex=True)
    result3=result2.replace(np.nan,'未识别',regex=True)
    return result3
  
data_pos_1['channel_type_desc']=func(data_pos_1['channel_type_desc'])   


#第二种写法
data_pos_1['channel_type_desc'].replace(r'[\u4e00-\u9fa5]*实体渠道*[\u4e00-\u9fa5]','实体渠道',regex=True).replace(r'[\u4e00-\u9fa5]*电子渠道*[\u4e00-\u9fa5]','电子渠道',regex=True).replace(r'[\u4e00-\u9fa5]*直销渠道*[\u4e00-\u9fa5]','直销渠道',regex=True).replace(np.nan,'未识别',regex=True)     

注意： 不可以使用 data_pos_1[‘channel_type_desc’].apply(func) 调用函数，会报错TypeError: str.replace() takes no keyword arguments，具体原因查看python报错—为什么用apply方法使用.replace()方法报错TypeError: str.replace() takes no keyword arguments

举例5：使用re.sub()函数

import re 
import re 

def func(data):
    result1=re.sub(r'[\u4e00-\u9fa5]*实体渠道*[\u4e00-\u9fa5]',"实体渠道",str(data))
    result2=re.sub(r'[\u4e00-\u9fa5]*电子渠道*[\u4e00-\u9fa5]',"电子渠道",result1)
    result3=re.sub(r'[\u4e00-\u9fa5]*直销渠道*[\u4e00-\u9fa5]',"直销渠道",result2)
    result4=re.sub(r'nan','未识别',result3)
    return result4
    
data_pos_1['channel_type_desc']=data_pos_1['channel_type_desc'].apply(func)   

注意： 不可以使用 data_pos_1[‘channel_type_desc’]=func(data_pos_1[‘channel_type_desc’]) 调用函数，运行结果不致，re.sub(pattern, repl, string, count=0, flags=0)，第三个要被查找替换的原始字符串，必须是string字符串类型。具体参数可以参考：python基础—re模块下的函数及匹配对象的属性与方法（re.match()/re.search()…等）

方案二： 对Series数据类型使用.str.contains()方法

举例1：使用np.where()函数+.str.contains()函数

import numpy as np 

data_pos_1['channel_type_desc']=np.where(data_pos_1['channel_type_desc'].str.contains('实体渠道'),'实体渠道',
										np.where(data_pos_1['channel_type_desc'].str.contains('直销渠道'),'直销渠道',
											np.where(data_pos_1['channel_type_desc'].str.contains('电子渠道'),'电子渠道','未识别')))

---

参考文章：
[1].str.contains()方法官方文档
[2]pandas下的DataFrame、Series对象的apply方法
[3].str.contains()只能对Series使用