Блог

У меня есть фрейм данных с информацией data1 , и я хотел бы добавить столбец, data2 содержащий только имена из data1 :

        data1                                         data2
0      info  name: Michael Jackson      New York     Michael Jackson
1      info 12 name: Michael Jordan III Los Angeles  Michael Jordan III 
  

Вы знаете, как я могу это сделать?

Без однозначного разделителя это нетривиально, поскольку у вас есть оба пробела внутри имен, имена нескольких длин (2 слова, 3 слова) и завершающий столбец, который также может содержать несколько слов с пробелами.

Разделив строку, вы можете достичь этого частичного решения:

 df['data2'] = df['data1'].str.split(': ').str[-1]
  

 >>> print(df)

                                          data1                           data2
0     info  name: Michael Jackson      New York   Michael Jackson      New York
1  info 12 name: Michael Jordan III Los Angeles  Michael Jordan III Los Angeles
  

Если бы у вас был список «городов», вы могли бы выполнить полное решение:

 def replace(string, substitutions):
    """Replaces multiple substrings in a string."""
    substrings = sorted(substitutions, key=len, reverse=True)
    regex = re.compile('|'.join(map(re.escape, substrings)))
    return regex.sub(lambda match: substitutions[match.group(0)], string)

# List of cities to remove from strings
cities = ['New York', 'Los Angeles']
# Dictionary matching each city with the empty string
substitutions = {city:'' for city in cities}

# Splitting to create new column as above
df['data2'] = df['data1'].str.split(': ').str[-1]
# Applying replacements to new column
df['data2'] = df['data2'].map(lambda x: replace(x, substitutions).strip())
  

 >>>print(df)

                                          data1               data2
0     info  name: Michael Jackson      New York     Michael Jackson
1  info 12 name: Michael Jordan III Los Angeles  Michael Jordan III
  

Спасибо Карлсмиту за функцию замены.