使用str.contains创建一个新列，如果条件失败，则将其设置为null（NaN）

Question

我试图在我的pandas数据框中创建一个新列，但是如果另一个列包含某个字符串，则只能使用一个值。

我的数据框看起来像这样：

    raw                                     val1    val2  
0   Vendor Invoice Numbe Inv Date                        
1   Vendor: Company Name 1                  123     456   
2   13445 07708-20-2019 US                  432     676   
3   79935 19028808-15-2019 US               444     234   
4   Vendor: company Name 2                  234     234  

我正在尝试创建一个新列， vendor将数据框转换为：

    raw                                     val1    val2  vendor
0   Vendor Invoice Numbe Inv Date                         Vendor Invoice Numbe Inv Date
1   Vendor: Company Name 1                  123     456   Vendor: Company Name 1 
2   13445 07708-20-2019 US                  432     676   NaN
3   79935 19028808-15-2019 US               444     234   NaN
4   Vendor: company Name 2                  234     234   company Name 2  
5   Vendor: company Name 2                  928     528   company Name 2  

但是，只要我尝试

df['vendor'] = df.loc[df['raw'].str.contains('Vendor', na=False), 'raw']

我得到错误

ValueError：无法从重复的轴重新索引

我知道索引4和索引5对公司来说具有相同的价值，但是我在做错什么以及如何将新列添加到数据框中？

Answer 1

问题是df.loc[df['raw'].str.contains('Vendor', na=False), 'raw']与df长度不同。

您可以尝试np.where ，它通过大小相同的np.array分配新列，因此不需要索引对齐。

df['vendor'] = np.where(df['raw'].str.contains('Vendor'), df['raw'], np.NaN)

Answer 2

您可以.extract()在Vendor:后面的字符串部分Vendor:使用正向后面：

df['vendor'] = df['raw'].str.extract(r'(?<=Vendor:\\s)(.*)')