Python 如何在Pandas数据帧中找到特定的子字符串，然后获取其后面的文本？

所以我有一个熊猫数据框，我是从一个html网页。dataframe只有一列，该列没有标识名。我想从dataframe中找到一个特定的子字符串，然后获取紧跟在该子字符串后面的文本

注意：子字符串搜索中永远不会重复<学校2永远不会有两个例子：

数据帧的格式如下所示：

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

我希望能够搜索School 3:并返回状态，无论是关闭、延迟1小时还是延迟2小时

我最初的想法是如果“学校3:”在df打印（“学校3:found”）

---

但我只是从中得到一个错误，我假设，因为你不能只检查这样的字符串。如果有人知道如何找到一个子字符串，然后在它后面获取文本，我很想知道。

假设数据帧是这样的

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

你可以

txt = 'School 3'
df.status[df.status.str.contains(txt)].str[len(txt) + 2:]   # +2 for skipping ": " after the school name

结果:

2    Closed
Name: status, dtype: object

---

然而，IMO更清楚的是，首先将包含两个信息的单列一分为二：

df = df.status.str.split(': ', expand=True)
df.columns = ['school', 'status']

#     school        status
#0  School 1  1 Hour Delay
#1  School 2  2 Hour Delay
#2  School 3        Closed

然后，您可以通过列1的布尔索引检索列2的内容：

txt = 'School 3'
df.status[df.school==txt]

#2    Closed
#Name: status, dtype: object

假设只有一行始终符合此条件，则可以使用

str.extract

：

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

---

df.iloc[：，0].str.extract（'（？如果有多行与此字符串匹配怎么办？您会打印出什么？@coldspeed编辑了这篇文章来解释这一点。此表中不会有重复的字符串。在任何给定的时间内，只有一行包含此字符串。@coldspeed会有问题吗？在这种情况下为什么不返回几行？@Spighttcd我只是好奇OP希望如何处理它们它们实际上是有用的信息，所以我很想写一篇文章answer@MrShawn好的。下一个问题，有没有可能没有行符合这个条件？但是数据框只有一列，所以我无法从单独的列中获取状态。我需要找到文本“School 3:”是的，这个数据框只有一列，在这里称为
'status'
，第一行有
'School 1:1 Hour Delay'
的内容。我不知道在你的具体案例中它是如何被调用的，你没有发布它。啊，我将把它添加到主帖子中。这个列是真实的ly没有名字，只有数据值。所以它的名字是
0
？我不确定Pandas/Python是否使用0作为默认值，但是这个名字更像是nullI，我尝试了你的第一个方法，但得到了一个错误：AttributeError:'list'对象没有属性'iloc'@MrShawn Um？这不是很奇怪吗？
df
应该是一个数据帧，而不是一个列表ps您打算在实际上是您的数据帧的变量上运行此代码…除非我使用了错误的变量，否则这就是变量：df=pd.read_html（url）@MrShawn是的，您几乎做到了，但还不完全做到。出于任何原因，
read_html
返回一个列表。此列表的第一个元素是您的数据帧，因此请执行
df=pd.read_html（url）[0]
！啊，谢谢！我修正了一点，出现了一个新错误：索引器错误：索引0超出了大小为0的轴0的界限
try:
    status = (df.iloc[:,0]
                .str.extract('(?<=School 3: )(.*)', expand=False)
                .dropna()
                .values[0])    
except (IndexError, ValueError):
    status = np.nan