如何在具有多个值的列中选择部分字符串

Question

我有一个 .tsv Dataframe 具有一个特定列，其中多个值用逗号分隔。 它看起来像这样：

     Col1         Col2         Col3

1    star1  HIP1, KOI1, Gaia1  3.4
2    star2  HIP2, KOI2, Gaia2  4.3
3    star3  HIP3, KOI3, Gaia3  7.2

我的目标是只从第 2 列中提取部分字符串值，这样我就只有一个选项，用逗号分隔。 在这种情况下，它将是 KOI。 它看起来像这样：

     Col1   Col2  Col3

1    star1  KOI1  3.4
2    star2  KOI2  4.3
3    star3  KOI3  7.2

考虑到 KOI(x) 之后的数字不遵循序数顺序（如示例中所示），有没有办法做到这一点？ 我尝试使用str.lsplit()并拆分 function，但代码返回消息： 'StringMethods' object has no attribute 'lsplit' 。 这是我尝试过的：

for i in df['Col2']:
    df['Col2'][i] = df['Col2'].str.lsptrip(', K').str[0]

然后，当我将其隔离时，我会尝试将缺少的“K”字母添加到字符串中，但从未到达那部分。

Answer 1

您也可以使用pd.Series.str.extract ：

df['Col2']=df['Col2'].str.extract('.*, (K.*), .*')

---

与此相同，使用pd.Series.str.split ：

df['Col2']=df['Col2'].str.split(', ').str[1]

---

Output：

df
    Col1  Col2  Col3
1  star1  KOI1   3.4
2  star2  KOI2   4.3
3  star3  KOI3   7.2