如何从Pandas列中提取子字符串？获取列内每个字符串首部分

需求说明 #

需要从Pandas DataFrame的Cell_type列中，提取每个字符串的第一部分内容，并对整个列批量处理，而非仅获取单个元素。

数据示例 #

meta.iloc[1:5]
pd.DataFrame({'Assay Type': {'SRR9200814': 'RNA-Seq',
  'SRR9200815': 'RNA-Seq',
  'SRR9200816': 'RNA-Seq',
  'SRR9200817': 'RNA-Seq'},
 'Cell_type': {'SRR9200814': 'normal neural stem cells',
  'SRR9200815': 'normal neural stem cells',
  'SRR9200816': 'normal neural stem cells',
  'SRR9200817': 'normal neural stem cells'},
 'Type': {'SRR9200814': 'diploid',
  'SRR9200815': 'diploid',
  'SRR9200816': 'diploid',
  'SRR9200817': 'diploid'}})

当前问题 #

使用代码meta["Cell_type"].str.rstrip(" ")[0]仅能获取第一个元素的完整字符串：

'normal neural stem cells'

解决方案 #

方法1：分割字符串取首段 #

利用Pandas的str.split()方法按空格分割字符串，再通过str[0]提取分割后的第一个元素，实现整列批量处理：

# 生成新列存储提取结果
meta['Cell_type_first'] = meta['Cell_type'].str.split().str[0]

# 直接输出期望格式（索引命名为Run）
result = meta['Cell_type'].str.split().str[0]
result.index.name = 'Run'
print(result)

方法2：正则提取首段 #

如果需要适配多空格等复杂场景，用str.extract提取开头的连续非空格字符段：

result = meta['Cell_type'].str.extract(r'^(\S+)', expand=False)
result.index.name = 'Run'
print(result)

期望输出 #

Run
SRR9200813          normal
SRR9200814          glioblastoma 
SRR9200815          normal 
SRR9200816          normal
SRR9200817          normal 

内容的提问来源于stack exchange，提问作者Anon