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

Question

所以我有一個從 html 網頁獲取的 Pandas 數據框。 數據框只有 1 列，該列沒有識別名稱。 我想從數據框中找到一個特定的子字符串，然后立即獲取該子字符串之后的文本。

注意：在子字符串搜索中永遠不會重復。
例如：學校 2 永遠不會有 2 個實例：

數據框的格式如下：

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

我希望能夠搜索學校 3：然后返回狀態，是關閉、延遲 1 小時還是延遲 2 小時。

我最初的想法是if "School 3:" in df print("School 3: found")但我只是從中得到一個錯誤，我假設是因為你不能只檢查這樣的字符串。 如果有人知道如何找到一個子字符串，然后在它之后獲取文本，我很想知道。

Answer 1

假設只有一行總是匹配這種情況下，你可以使用str.extract ：

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

（注意：如果多行符合此條件，則僅返回第一條匹配的狀態。）

否則，如果可能沒有匹配項，您將需要一個 try-except：

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

Answer 2

假設數據框看起來像

                   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

結果：

2    Closed
Name: status, dtype: object

---

但是，IMO 通過首先將包含兩個信息的單列拆分為兩列會更加清晰：

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

那么您可以通過第一列的布爾索引簡單地檢索第二列的內容：

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

#2    Closed
#Name: status, dtype: object