使用来自另一列的值对 pandas 列进行切片

Question

所以我有一个数据框，其中有一列中有一些文本。 我试图在列的每一行中找到 2 个字符串，然后在这两个字符串之间分割行文本以获得一个子字符串。像这样的：

startinds = df[column].str.find("First Event = ")
endinds   = df[column].str.find("\nLast Event = ")

df["first_timestamp"] = df[column].str.slice(startinds,endinds)

现在这不起作用，因为startinds 和endinds 是系列，所以我不能将它们用作对column 中的字符串进行切片的索引。

有人知道我可以访问这些值以在每一行上执行子字符串的方法吗？

示例输入：

    Data
0   "Blahblah
     First Event = 09/20/2017 12:00:00
     Last Event = 09/20/2017 13:00:00
     Blahblahblah"
1   "Blahblahblahblah
     Blahablahblah
     First Event = 09/20/2017 12:30:00
     Last Event = 09/20/2017 12:45:00
     Blahblahblah"

输出：

    first_timestamp
0   "First Event = 09/20/2017 12:00:00"
1   "First Event = 09/20/2017 12:30:00"

Answer 1

要完成您的切片方法，您可以使用 lambda 即存储 startinds 和 endinds 在 df 中，然后使用 lambda 跨列 ie 根据列对字符串进行切片（请注意，您需要一个转义字符才能获得 \n )

df['startinds'] = df['Data'].str.find("First Event = ")
df['endinds']  = df['Data'].str.find("\\nLast Event = ")

df.apply(lambda x : str(x['Data'])[x['startinds']:x['endinds']],1 )

输出：

0 第一个事件 = 09/20/2017 12:00:00 1 第一个事件 = 09/20/2017 12:30:00 数据类型：对象

Answer 2

与 cmets 中的答案不同，Series.str.extract 的这种方法应该有效：

df['first_timestamp'] = df['Data'].str.extract('(First Event = .+)')

#                                                 Data  \
# 0  Blahblah\nFirst Event = 09/20/2017 12:00:00\nL...   
# 1  Blahblahblahblah\nFirst Event = 09/20/2017 12:...   
# 
#                      first_timestamp  
# 0  First Event = 09/20/2017 12:00:00  
# 1  First Event = 09/20/2017 12:30:00

模式'(First Event = .+)' 捕获一组（即()），其中“First Event =”后跟一个或多个字符（即.+），在换行处停止（. 字符匹配除换行符）。