Python 字符串模式匹配&；两列之间的索引-熊猫

我有一个带有两个文本列的数据框。一列的列值（比如B列）基本上是另一列（比如a列）整个字符串的子字符串/部分。我想在每一列中找到模式，并检查A列字符串的位置或起始字母的趋势。因此我想生成三列，一列是子字符串的位置，另外两列是前面和后面的字符

以下是dataframe的外观：

| Col A     | Col B |
----------------------
AGHXXXJ002  | XXX   |
AGHGHJJ002  | GHJ   |
ABCRTGHP001 | RTGH  |
ABCDFFP01   | DFF   |
ABCXGHJD09  | XGH   |

现在，基于上述模式，我想生成两列：

| Col A     | Col B | Position                  | Preceding Chars | Following Chars |
-------------------------------------------------------------------------------------
AGHXXXJ002  | XXX   | [3, 5]                    |  AGH            | J002            |
 (Because XXX starts at index 3 and ends at 5)  |                 |                 |
AGHGHJJ002  | GHJ   | [3, 5]                    |  AGH            | J002            |
ABCRTGHP001 | RTGH  | [3, 6]                    |  ABC            | P001            |
ABCDFFP01   | DFFP  | [3, 5]                    |  ABC            | 01              |
ABCXGHJD09  | XGH   | [3, 5]                    |  ABC            | D09             |
HGMQQUTV01  | HGM   | [0, 2]                    |  NaN            | QQUTV01         |
GBHUJJS099  | BHU   | [1, 3]                    |  G              | JJS099          |

---

这是我想要的输出。我尝试使用for循环并删除子字符串，但从未执行，因此删除了代码。到目前为止，我一直在手动操作，但有超过5万行，这是不可行的。此外，“位置”列可以分为两个不同的列，即“开始位置”和“结束位置”。

它可能会对您有所帮助

>>重新导入
>>>进口大熊猫
>>>df=pandas.DataFrame（[[“AGHXXXJ002”、“XXX”]、[“AGHghJ002”、“GHJ”]、[“ABCRTGHP001”、“RTGH”]、[“ABCDFFP01”、“DFF”]、[“ABCXGHJD09”、“XGH”]、列=[“A列”、“B列]）
>>>df
A列B列
0 AGHXXXJ002 XXX
1 AGHGHJ002 GHJ
2 ABCRTGHP001 RTGH
3 ABCDFFP01 DFF
4 ABCXGHJD09 XGH
>>>def get_位置（世界其他地区）：
...     匹配=重新搜索（第[“列B”]、第[“列A”]行）
...     如果匹配：
...             返回match.span（）
...     其他：
...             返回[-1，-1]
... 
>>>df[“位置”]=df.apply（获取位置，轴=1）
>>>df
A列B列位置
0 AGHXXXJ002 XXX（3,6）
1 AGHGHJ002 GHJ（3,6）
2 ABCRTGHP001 RTGH（3,7）
3 ABCDFFP01 DFF（3,6）
4 ABCXGHJD09 XGH（3,6）
>>>def get_前一行：
...     如果行[“位置”][0]=-1：
...             返回“”
...     返回行[“列A”][：行[“位置”][0]]
... 
>>>df[“前置字符”]=df.apply（get_前置，轴=1）
>>>df
A列B列字符前的位置
0 AGHXXXJ002 XXX（3,6）AGH
1 AGHGHJ002 GHJ（3,6）AGH
2 ABCRTGHP001 RTGH（3,7）ABC
3 ABCDFFP01 DFF（3,6）ABC
4 ABCXGHJD09 XGH（3,6）ABC
>>>def get_如下（第行）：
...     如果行[“位置”][1]=-1：
...             返回“”
...     返回行[“列A”][行[“位置”][1]：]
... 
>>>df[“跟随字符”]=df.apply（获得跟随，轴=1）
>>>df
第A列第B列字符前一个字符后一个字符的位置
0 AGHXXXJ002 XXX（3,6）AGH J002
1 AGHGHJ002 GHJ（3,6）AGH J002
2 ABCRTGHP001 RTGH（3,7）ABC P001
3 ABCDFFP01 DFF（3，6）ABC P01
4 ABCXGHJD09 XGH（3,6）ABC JD09

在我们处理行级操作和字符串时，没有一种矢量化方法可以做到这一点

让我们使用

str.find

和

np.char.find

创建数据帧

#Note I've removed the spaces in your columns.
s = pd.DataFrame(df.apply(lambda x : x['ColA'].split(x['ColB']),axis=1).tolist())
idx = df.apply(lambda x : np.char.find(x['ColA'],x['ColB']),1)

pos = zip(idx.values, (idx - 1 + df["ColB"].str.len()).values)

df["Position"] = list(pos)
df['Proceeding Chars'], df['Following Chars'] = s[0], s[1]

print(df)

        ColA  ColB Position Proceeding Chars Following Chars
0   AGHXXXJ002   XXX   (3, 5)              AGH            J002
1   AGHGHJJ002   GHJ   (3, 5)              AGH            J002
2  ABCRTGHP001  RTGH   (3, 6)              ABC            P001
3    ABCDFFP01   DFF   (3, 5)              ABC             P01
4   ABCXGHJD09   XGH   (3, 5)              ABC            JD09
5   HGMQQUTV01   HGM   (0, 2)                          QQUTV01
6   GBHUJJS099   BHU   (1, 3)                G          JJS099

#Note I've removed the spaces in your columns.
s = pd.DataFrame(df.apply(lambda x : x['ColA'].split(x['ColB']),axis=1).tolist())
idx = df.apply(lambda x : np.char.find(x['ColA'],x['ColB']),1)

pos = zip(idx.values, (idx - 1 + df["ColB"].str.len()).values)

df["Position"] = list(pos)
df['Proceeding Chars'], df['Following Chars'] = s[0], s[1]

print(df)

        ColA  ColB Position Proceeding Chars Following Chars
0   AGHXXXJ002   XXX   (3, 5)              AGH            J002
1   AGHGHJJ002   GHJ   (3, 5)              AGH            J002
2  ABCRTGHP001  RTGH   (3, 6)              ABC            P001
3    ABCDFFP01   DFF   (3, 5)              ABC             P01
4   ABCXGHJD09   XGH   (3, 5)              ABC            JD09
5   HGMQQUTV01   HGM   (0, 2)                          QQUTV01
6   GBHUJJS099   BHU   (1, 3)                G          JJS099