使用str.contains創建一個新列，如果條件失敗，則將其設置為null（NaN）

Question

我試圖在我的pandas數據框中創建一個新列，但是如果另一個列包含某個字符串，則只能使用一個值。

我的數據框看起來像這樣：

    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  

我正在嘗試創建一個新列， vendor將數據框轉換為：

    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，只要我嘗試

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

我得到錯誤

ValueError：無法從重復的軸重新索引

我知道索引4和索引5對公司來說具有相同的價值，但是我在做錯什么以及如何將新列添加到數據框中？

Answer 1

問題是df.loc[df['raw'].str.contains('Vendor', na=False), 'raw']與df長度不同。

您可以嘗試np.where ，它通過大小相同的np.array分配新列，因此不需要索引對齊。

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)(.*)')