如何有条件地将子字符串复制到pandas数据帧的新列？

Question

这是我的第一篇文章，所以希望我不要讨论这个问题，我很清楚。 基本上，这是一个两部分问题。 我需要设置代码，首先检查列A是否为“有效”。 如果是这样，我需要从列B中提取子字符串并将其放在一个新列中，此处标记为“C”。 如果条件为假，我想加入“NA”。 请参阅第二个表格以了解我的预期结果。

|     A       |             B                     |
|-------------|-----------------------------------|
|    VALID    |asdfafX'XextractthisY'Yeaaadf      |
|    INVALID  |secondrowX'XsubtextY'Yelakj        |
|    VALID    |secondrowX'XextractthistooY'Yelakj |

---

|     A       |             B                       |      C          |
|-------------|-------------------------------------|-----------------|
|    VALID    |"asdfafX'XextractthisY'Yeaaadf"      | extractthis     |
|    INVALID  |"secondrowX'XsubtextY'Yelakj"        | NA              |
|    VALID    |"secondrowX'XextractthistooY'Yelakj" | extractthistoo  |

有几点需要注意：

- 子字符串将始终在短语“X'X”之后开始，并在“Y'Y”之前完成。

- 子串在不同的单元格之间具有不同的长度。

我知道以下代码是错误的，但我想告诉你我是如何尝试解决这个问题的：

import pandas as pd

if df[A] == "VALID":
   df[C] = df[B]df.str[start:finish]
else:
   df[C].isna()

我为这个基本代码中的错误道歉，因为我完全是python的新手，仍然依赖IDE和试错来指导我。 您可以提供的任何帮助表示赞赏。

Answer 1

您可以使用pd.Series.str.extract ：

In [737]: df
Out[737]: 
         A                                   B
0    VALID       asdfafX'XextractthisY'Yeaaadf
1  INVALID         secondrowX'XsubtextY'Yelakj
2    VALID  secondrowX'XextractthistooY'Yelakj

In [745]: df['C'] = df[df.A == 'VALID'].B.str.extract("(?<=X'X)(.*?)(?=Y'Y)", expand=False)

In [746]: df
Out[746]: 
         A                                   B               C
0    VALID       asdfafX'XextractthisY'Yeaaadf     extractthis
1  INVALID         secondrowX'XsubtextY'Yelakj             NaN
2    VALID  secondrowX'XextractthistooY'Yelakj  extractthistoo

正则表达式模式是：

(?<=X'X)(.*?)(?=Y'Y)

• (?<=X'X)是X'X

• (.*?)匹配lookbehind和lookahead之间的所有内容

• (?=Y'Y)是Y'Y