如何从熊猫的列中提取文本答案

【问题标题】：How to extract text from a column in pandas如何从熊猫的列中提取文本
【发布时间】：2021-11-10 01:20:50
【问题描述】：

我在具有这种格式“1_A01_1_1_NA”的熊猫 df 中有列我想提取下划线之间的文本，例如“A01”“1”“1”和“NA”，我尝试使用左右和中间但问题是，在某些时候，列值会变成这样的 11_B40_11_8_NA。

Pd df 有 7510 行。

【问题讨论】：

请添加示例数据框和预期输出
为什么不用split函数？？？
为什么提取了NA而不是第一个1？

【解决方案1】：

使用str.split:

df = pd.DataFrame({'Col1': ['1_A01_1_1_NA', '11_B40_11_8_NA']})
out = df['Col1'].str.split('_', expand=True)

输出：

>>> out
    0    1   2  3   4
0   1  A01   1  1  NA
1  11  B40  11  8  NA

【讨论】：

【解决方案2】：

您要查找的函数是Pandas.series.str.split()。

您应该能够将讨厌的专栏作为一个系列并使用str.split("_", expand = True) 方法。您可以看到“expand”关键字正是您从结果中创建新列所需要的（拆分“_”字符，而不是任何特定索引）。

所以，是这样的：

首先，我们需要像你一样创造一些废话。（请原谅我乱七八糟的代码，我还是新手）

import pandas as pd
from random import choice
import string

# Creating Nonsense Data Frame

def make_nonsense_codes():
    """
    Returns a string of nonsense like '11_B40_11_8_NA'
    """
    nonsense = "_".join(
        [
            "".join(choice(string.digits) for i in range(2)),
            "".join(
                [choice(string.ascii_uppercase),
                "".join([choice(string.digits) for i in range(2)])
                ]
            ),
            "".join(choice(string.digits) for i in range(2)),
            choice(string.digits),
            "NA"
        ]
    )
    return nonsense

my_nonsense_df = pd.DataFrame(
    {"Nonsense" : [make_nonsense_codes() for i in range(5)]}
)

print(my_nonsense_df)

#         Nonsense
# 0  25_S91_13_1_NA
# 1  80_O54_58_4_NA
# 2  01_N98_68_3_NA
# 3  88_B37_14_9_NA
# 4  62_N65_73_7_NA

现在我们可以选择我们的"Nonsense" 列，并使用str.split()。

# Wrangling the nonsense column with series.str.split()
wrangled_nonsense_df = my_nonsense_df["Nonsense"].str.split("_", expand = True)
print(wrangled_nonsense_df)

#     0    1   2  3   4
# 0  25  S91  13  1  NA
# 1  80  O54  58  4  NA
# 2  01  N98  68  3  NA
# 3  88  B37  14  9  NA
# 4  62  N65  73  7  NA

【讨论】：