从数据框字符串列中提取特定单词并存储在 Python 的新列中

Posted 2023-03-12

【中文标题】从数据框字符串列中提取特定单词并存储在 Python 的新列中

【英文标题】：Pulling specific word from dataframe string column and storing in new column in Python

【发布时间】：2022-01-05 14:30:45

【问题描述】：

我有一个 Python 数据框列 Name，其元素始终包含名字、姓氏和单词“over”或“under”

例如：Name = [Michael Johnson Over, Michael Johnson Under, John Smith Over, John Smith Under]

我正在尝试创建一个新列 Name2，它从 Name 中提取“Over”或“Under”

所以对于上面的例子Name2 = [Over, Under, Over, Under]

我尝试了.split 和findall 的不同变体，但不知道如何获得一个只有Over 或Under 的新列，请帮助！

【参考方案1】：

.str 是pd.Series 上的一个属性，它公开了字符串解析功能，例如.contains。您可以使用布尔索引设置一个新列，条件是"Name" 中的行是否包含关键字"Over" 或"Under"。

import pandas as pd
df = pd.DataFrame(
    
        "Name": [
            "Michael Johnson Over",
            "Michael Johnson Under",
            "John Smith Over",
            "John Smith Under"
        ],
    
)

df["Name2"] = None
df["Name2"][df["Name"].str.contains("Over")] = "Over"
df["Name2"][df["Name"].str.contains("Under")] = "Under"
print(df)

输出

    Name                    Name2
0   Michael Johnson Over    Over
1   Michael Johnson Under   Under
2   John Smith Over         Over
3   John Smith Under        Under

【讨论】：

这很好用！谢谢！有没有办法将“Over”或“Under”之前的名称提取到另一个新列中？

是的，df["Name3"] = None df["Name3"][over_mask] = df["Name"][over_mask].str.slice(0, -4) df["Name3"][under_mask] = df["Name"][under_mask].str.slice(0, -5)

【参考方案2】：

您可以使用 Pandas rsplit 从末尾拆分字符串，并使用 n 参数将输出中的拆分数限制为 1。您还可以使用expand=True 将字符串拆分为单独的列。

df[['First_Last','Name2']] = df['Name'].str.rsplit(' ', n=1, expand=True)

输出

                    Name       First_Last  Name2
0   Michael Johnson Over  Michael Johnson   Over
1  Michael Johnson Under  Michael Johnson  Under
2        John Smith Over       John Smith   Over
3       John Smith Under       John Smith  Under