python - Python - 在 DataFrame 中搜索模式，后跟多个可能的字符串

Question

我有一个数据框，其中一列有很长的分号分隔字符串列表：

基因ID ENSGACG00000019161；基因版本1；成绩单_id ENSGACT00000025386; 成绩单版本 1；外显子编号 9；基因名称 slc7a8a；基因源合奏；基因_生物型蛋白质_编码；成绩单名称 slc7a8a-203；转录源合奏；转录生物型蛋白质编码；exon_id ENSGACE00000225405；外显子版本 1；

我想以某种方式逐行提取并仅拉出gene_name之后和分号之前的字符串。所以在这种情况下slc7a8a。如果这是一个简单的问题或重复的问题，我很抱歉。我试图浏览多种资源，但甚至不知道描述我想做的最简洁的方式很难找到任何有用的东西。

谢谢

标签： pythonpandas

Answer 1

您可以使用将正则表达式模式作为输入参数的pandas str.extract ：

df['col_name'].str.extract('gene_name(.*?);')