在某个单词之后提取文本字符串并在 Pandas 中创建一个新列答案

【问题标题】：Extract text strings after certain word and create a new column in Pandas在某个单词之后提取文本字符串并在 Pandas 中创建一个新列
【发布时间】：2020-10-22 04:38:31
【问题描述】：

我有一个df：

     ClassOfYear
0    ClassOfYear 2019 something
1    x ClassOfYear 2012 random text 
2    Amy ClassOfYear 2004
3    David Beckham ClassOfYear 1994
     ...

我想创建一个新列，其中仅包含ClassOfYear 之后的文本（包括ClassOfYear）。即：

     ClassOfYear
0    ClassOfYear 2019 something
1    ClassOfYear 2012 random text 
2    ClassOfYear 2004
3    ClassOfYear 1994
     ...

编辑：通常每个字符串都有一个年份，我们可以用年份创建另一个列吗？预期输出：

     ClassOfYear                    Year
0    ClassOfYear 2019 something     2019
1    ClassOfYear 2012 random text   2012
2    ClassOfYear 2004               2004
3    ClassOfYear 1994               1994
     ...

【问题讨论】：

这能回答你的问题吗？ Pandas - Extract a string starting with a particular character

标签： python pandas string numpy

【解决方案1】：

尝试使用str.replace：

df["NewCol"]= df["ClassOfYear"].str.replace("^.*(?=ClassOfYear)", "")

这种方法是匹配从列开始到但不包括文本ClassOfYear 的所有内容。然后，我们用空字符串替换以删除此文本。请注意，此替换不会影响根本没有文本 ClassOfYear 的列值。

【讨论】：

【解决方案2】：

您可以使用带有assign 的简单正则表达式，或者只是广播您的专栏。

.* 是一种贪婪的方法来匹配 ClassOfYear 之后直到字符串结尾的所有内容（行终止符除外）

df = df.assign(newCol=df['ClassOfYear'].str.extract('(ClassOfYear.*)'))

print(df)

                          ClassOfYear                         newCol
0          ClassOfYear 2019 something     ClassOfYear 2019 something
1     x ClassOfYear 2012 random text   ClassOfYear 2012 random text 
2                Amy ClassOfYear 2004               ClassOfYear 2004
3      David Beckham ClassOfYear 1994               ClassOfYear 1994

【讨论】：