在Python的数据框中的两个子串中选择字符串到每一行

Question

我希望能够在两个特定子串之间选择一个字符串（如下所示），但是有一个循环将迭代数据帧中的每一行。

码：

import pandas as pd

df = pd.DataFrame(['first: hello1 \nSecond this1 is1 a1 third: test1\n', 'first: hello2 \nSecond this2 is2 a2 third: test2\n', 'first: hello3 \nSecond this3 is3 a3 third: test3\n'])
df = df.rename(columns={0: "text"})

def find_between(df, start, end):
  return (df.split(start))[1].split(end)[0]

df2 = df['text'][0]
print(find_between(df3, 'first:', '\nSecond'))

[OUTPUT NEEDED]数据帧，包含以下信息：

   output
0  hello1
1  hello2
2  hello3

find_between（）函数是基于Find string between two substrings创建的，但是在这里你只能对一个已经保存为字符串的特定变量（df2）执行此操作，如图所示。我需要能够为'df'数据帧中的每一行（字符串）执行此操作。

如果有人能帮助我，我真的很感激！谢谢！

Answer 1

为什么定义一个函数？你可以使用str.extract：

start = 'first'
end = '\nSecond'

df.text.str.extract(r'(?<={})(.*?)(?={})'.format(start, end), expand=False)

0    : hello1 
1    : hello2 
2    : hello3 
Name: text, dtype: object

细节

(?<=   # lookbehind
first
)
(      # capture-group
.*?    # non-greedy match
)
(?=    # lookahead
\nSecond
)

捕捉到了后视镜头和前瞻镜头之间的所有东西。

---

你可以几次打电话给str.split，但这并不是那么优雅：

df.text.str.split(start).str[1].str.split(end).str[0]

0    : hello1 
1    : hello2 
2    : hello3 
Name: text, dtype: object