python - 如何在 Pandas DataFrame 中找到特定的子字符串，然后获取其后面的文本？

Question

所以我有一个从 html 网页获取的 Pandas 数据框。数据框只有 1 列，并且该列没有标识名称。我想从数据框中找到特定的子字符串，然后获取紧随该子字符串的文本。

注意:子字符串搜索中永远不会重复。
例如:永远不会有 2 个学校 2 的实例:

数据框的格式如下:

School 1: 1 Hour Delay
School 2: 2 Hour Delay
School 3: Closed

我希望能够搜索学校 3:，然后返回状态，无论是关闭、延迟 1 小时还是延迟 2 小时。

我最初的想法只是if "School 3:"in df print("School 3:found")但我只是从中得到一个错误，我假设是因为你不能只检查这样的字符串。如果有人知道如何找到子字符串然后获取其后的文本，我很想知道。

Answer 1

假设正好一行行总是匹配此条件，您可以使用str.extract:

df.iloc[:,0].str.extract('(?<=School 3: )(.*)', expand=False).dropna().values[0]
# 'Closed'

(注意:如果有多行匹配此条件，则仅返回第一个匹配的状态。)

否则，如果可能没有任何匹配项，则需要尝试异常(exception):

try:
    status = (df.iloc[:,0]
                .str.extract('(?<=School 3: )(.*)', expand=False)
                .dropna()
                .values[0])    
except (IndexError, ValueError):
    status = np.nan