如何按不同的值对一个 Pandas 数据框列的元素进行切片？

Question

我有一个“脏”的 csv 文件加载到 Pandas 数据框中。一列“名称”有时带有前缀（例如，实际名称前的“(3.)”）。

我了解此前缀的分类法，并且知道如何查找索引，我希望从该索引开始保留字符串的其余部分：

df["Indexes"]= df["Name"].str.find(')') 

但是：我如何减少对那个索引的限制？

例如，如果“Name”是“(3.) Peter”，我希望它变成“Peter”。

假设，我想使用 slice。我的问题是我需要切片的值每行不同。 -- 如果前缀的长度始终为 4，则下面将起作用，但它不是（有时没有前缀，有时长度为 5）。

pd.Series(df["Name"]).str.slice(4)

我该怎么做？

Answer 1

如果你知道模式，你可以使用extract 来获得干净的名字：

# The "dirty" CSV
string = """
(3.) Peter
(10.) David
Jane
(100.) Mary Wether
"""
df = pd.read_csv(StringIO(string), header=None, names=['Name'])

# Clean it
df['CleanName'] = df['Name'].str.extract(r'(\(.*\) )?(?P<Name>.+?)( \(.*\))?')['Name']

结果：

                 Name    CleanName
0          (3.) Peter        Peter
1         (10.) David        David
2                Jane         Jane
3  (100.) Mary Wether  Mary Wether

前往Regex 101 了解正则表达式模式的说明。