在Pandas-Python中获取该列的子串

获取 DataFrame 中某一列的子串，在 Pandas 中可以通过 .str 属性来完成。这个属性能够对字符串类型的列进行向量化操作，例如 split、contains、replace 等。下面我们来详细说明如何在 Pandas-Python 中获取某一列的子串。

以以下示例数据集为例：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily', 'Frank'],
    'age': [25, 30, 35, 20, 27, 22],
    'city': ['New York', 'Paris', 'London', 'Tokyo', 'Sydney', 'New York']
})

假设这个 DataFrame 中有一列叫做 name，我们想获取它的子串，可以按以下步骤操作：

1. 使用 str 属性

首先，我们需要将要操作的列 name 提取出来，并通过 str 属性来进行操作：

name_series = df['name']
name_series.str

输出：

0    Alice
1      Bob
2  Charlie
3    David
4    Emily
5    Frank
Name: name, dtype: object
<pandas.core.strings.accessor.StringMethods at 0x7fdaaa65c290>

这里我们可以看到，对 name_series 调用 str 属性得到的是一个 StringMethods 类型的对象，我这里取名为 name_str 来方便后面的调用。

2. 子串截取

获取子串截取的方式有两种，一种是使用 slice 函数，另一种是直接使用切片（slice）：

使用 slice 函数

slice(start, stop, step) 表示从 start 索引处开始到 stop 索引处结束，以 step 步长提取。值得注意的是，start 和 stop 都可以代入负数，表示从后往前截取。下面我们以从索引 1 开始截取两个字符为例：

name_str.slice(1, 3, 1)

输出：

0    li
1     ob
2    har
3    avi
4    mil
5    ran
Name: name, dtype: object

直接使用切片

直接使用切片时，和普通的列表、数组切片的方法类似：

name_str.str[1:3]

输出：

0    li
1     ob
2    har
3    avi
4    mil
5    ran
Name: name, dtype: object

3. 获取子串的位置

有时候我们需要获取子串在原始字符串中的位置，可以使用 index 函数。其中的 sub 参数表示要查找的子串，start 和 end 都是可选参数，代表查找的起始位置和结束位置。

例如，我们要获取以字母 l 开头的子串在 name 列中的位置，可以这样写：

name_str.index('l')

输出：

0    3
1    2
2    2
3    1
4    1
5    3
Name: name, dtype: int64

如果要获取以 l 开头 且以 e 结尾的子串，可以这样写：

name_str.index('l', start=2, end=4)

输出：

2    2
Name: name, dtype: int64

4. 应用

将上面的子串提取操作添加到 DataFrame 中：

df['name_sub'] = name_str.slice(1, 3, 1)

在 DataFrame 中新增一列 name_sub，表示提取的 name 列中的子串。

最终，我们得到了如下的 DataFrame：

    name  age      city name_sub
0  Alice   25  New York      li
1    Bob   30     Paris      ob
2    Charlie   35    London     har
3  David   20     Tokyo      avi
4  Emily   27    Sydney      mil
5  Frank   22  New York     ran

最后，总结一下在 Pandas-Python 中获取数据子串的过程。首先使用 str 属性提取操作的列，然后使用 slice 函数或者切片操作获取子串，如果需要获取子串在原始字符串中的位置，则使用 index 函数。最后将操作结果保存到 DataFrame 中。