python - 如何从 Pandas 数据框中的可变长度列中提取子字符串？

Question

您好，我正在尝试使用 python 中的 pandas 数据框中的列来完成类似于 excel 中的 mid 函数的操作。我有一个列，其中包含可变长度的药物名称 + 强度等。我只想提取名称的第一个“部分”并将结果放入数据框中的另一列。

例子:

Dataframe 列

MEDICATION_NAMEacetaminophen 325 mga-hydrocort 100 mg/2 ml

Desired Result

MEDICATION_NAME               GENERIC_NAMEacetaminophen 325 mg          acetaminophen     a-hydrocort 100 mg/2 ml       a-hydrocort

What I have tried

df['GENERIC_NAME'] = df['MEDICATION_NAME'].str[:df['MEDICATION_NAME'].apply(lambda x: x.find(' '))]

基本上我想应用

的行特定结果

df['GENERIC_NAME'] = df['MEDICATION_NAME'].apply(lambda x: x.find(' '))

到

 str[:] 

功能？

谢谢

Answer 1

您可以使用 str.partition [pandas-doc]这里:

df['GENERIC_NAME'] = df['MEDICATION_NAME'].str.partition(' ')[0]

对于给定的列，这给出:

>>> g.str.partition(' ')[0]
0    acetaminophen
1      a-hydrocort
Name: 0, dtype: object

partition 本身从一个系列创建一个包含三列的数据框:之前、匹配和之后:

>>> df['MEDICATION_NAME'].str.partition(' ')
               0  1            2
0  acetaminophen          325 mg
1    a-hydrocort     100 mg/2 ml