使用pandas.Series.apply遍历列，并将结果赋给新列。

df["filename"] = df["filename"].apply(os.path.basename)

或

df["filename"] = df["filename"].apply(lambda path: os.path.basename(path))

示例：

>>> df
   Sr No          Email            filename
0     18  Test@test.com   C:/Users\Test.csv
1     19  Test@test.com  C:/Users\Test1.csv
2     20  Test@test.com  C:/Users\Test1.csv

>>> df["filename"] = df["filename"].apply(os.path.basename)
>>> df
   Sr No          Email   filename
0     18  Test@test.com   Test.csv
1     19  Test@test.com  Test1.csv
2     20  Test@test.com  Test1.csv

还有一个使用pathlib模块中的Path('C:/Users\Test.csv').name的选项，但这比os.path.basename慢，因为pathlib将string转换为pathlib对象。
在文件名之前提供斜杠是一致的，最快的选择是使用pandas.Series.str.split（例如df['filename'].str.split('\\', expand=True).iloc[:, -1]）。

在python 3.11.2和pandas 2.0.0中测试

%timeit测试

import pandas as pd
import os
from pathlib import Path

# sample dataframe with 30000 rows
df = pd.DataFrame({'Sr No': [18, 19, 20],
                   'Email': ['Test@test.com', 'Test@test.com', 'Test@test.com'],
                   'filename': [r'C:/Users\Test.csv', r'C:/Users\Test1.csv', r'C:/Users\Test1.csv']})
df = pd.concat([df] * 10000, ignore_index=True)

# timeit tests
%timeit df["filename"].apply(lambda path: Path(path).name)
%timeit df["filename"].apply(os.path.basename)
%timeit df["filename"].apply(lambda path: os.path.basename(path))
%timeit df['filename'].str.split('\\', expand=True).iloc[:, -1]

结果

67.4 ms ± 1.72 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
43 ms ± 1.18 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
43 ms ± 1.1 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
15.2 ms ± 216 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

您需要通过重新定义来修改现有列。首先使用pandas阅读它：

import pandas as pd
df = pd.read_csv('file_path\file_name.csv')
df['filename'] = df['filename'].map(lambda x: x.split('\\')[-1][:-4])
df = df.drop_duplicates()

这将产生预期的结果作为 Dataframe ，所以你所缺少的就是将其保存回csv/excel：

df.to_excel('file_path\new_file_name.xlsx')

或csv：

df.to_csv('file_path\new_file_name.csv')

将excel文件读入pandas数据框中

import pandas as pd
df = pd.read_excel("your excel file location")

然后使用apply函数对整个列执行一个操作，如下所示

def get_filename(path):
    temp_str = path.split('/')
    return temp_str[-1]

df["filename"] = df["filename"].apply(get_filename)

除了上面的答案，你还可以使用字符串方法：

df['filename'] = df['filename'].str.split('/')[-1]

不知道哪个最快。

假设你在文件名列中有固定的目录长度：

# created dataframe for example
df = pd.DataFrame({'Email':['test@gmail.com','test@gmail.com','test@gmail.com'],
                   'filename':['c:/users\test.csv','c:/users\test1.csv','c:/users\test1.csv']} )   # dataframe

# will create new column with file name only
df['only_filename'] = [(path.encode('unicode_escape')[9:]).decode("utf-8") for path in df['filename']]