如何在 Pandas DataFrame 中找到特定的子字符串，然后获取它后面的文本？

Question

所以我有一个从 html 网页获取的 Pandas 数据框。 数据框只有 1 列，该列没有识别名称。 我想从数据框中找到一个特定的子字符串，然后立即获取该子字符串之后的文本。

注意：在子字符串搜索中永远不会重复。
例如：学校 2 永远不会有 2 个实例：

数据框的格式如下：

School 1: 1 Hour Delay
School 2: 2 Hour Delay
School 3: Closed

我希望能够搜索学校 3：然后返回状态，是关闭、延迟 1 小时还是延迟 2 小时。

我最初的想法是if "School 3:" in df print("School 3: found")但我只是从中得到一个错误，我假设是因为你不能只检查这样的字符串。 如果有人知道如何找到一个子字符串，然后在它之后获取文本，我很想知道。

Answer 1

假设只有一行总是匹配这种情况下，你可以使用str.extract ：

df.iloc[:,0].str.extract('(?<=School 3: )(.*)', expand=False).dropna().values[0]
# 'Closed'

（注意：如果多行符合此条件，则仅返回第一条匹配的状态。）

否则，如果可能没有匹配项，您将需要一个 try-except：

try:
    status = (df.iloc[:,0]
                .str.extract('(?<=School 3: )(.*)', expand=False)
                .dropna()
                .values[0])    
except (IndexError, ValueError):
    status = np.nan

Answer 2

假设数据框看起来像

                   status
0  School 1: 1 Hour Delay
1  School 2: 2 Hour Delay
2        School 3: Closed

你可以

txt = 'School 3'
df.status[df.status.str.contains(txt)].str[len(txt) + 2:]   # +2 for skipping ": " after the school name

结果：

2    Closed
Name: status, dtype: object

---

但是，IMO 通过首先将包含两个信息的单列拆分为两列会更加清晰：

df = df.status.str.split(': ', expand=True)
df.columns = ['school', 'status']

#     school        status
#0  School 1  1 Hour Delay
#1  School 2  2 Hour Delay
#2  School 3        Closed

那么您可以通过第一列的布尔索引简单地检索第二列的内容：

txt = 'School 3'
df.status[df.school==txt]

#2    Closed
#Name: status, dtype: object