基于子串定位提取DataFrame指定区间列字符串并合并的技术问题

解决方案 #

核心修正点 #

1. 匹配逻辑优化：用正则r'666|999'实现“或”匹配，且仅在'then'出现后的行中查找目标行，避免无效匹配。
2. 索引切片修正：Pandas切片为左闭右开，需调整索引确保包含结束行；直接使用行号切片即可，无需额外转换。

完整可运行代码 #

import numpy as np

# 定位'then'首次出现的行索引
then_loc = np.where(Words['text'] == 'then')[0][0]

# 在'then'之后的行中，找到第一个包含'666'或'999'的行索引
target_subset = Words.iloc[then_loc + 1:]
end_relative_loc = np.where(target_subset['text'].str.contains(r'666|999', na=False))[0][0]
end_loc = then_loc + 1 + end_relative_loc

# 提取范围并合并字符串
result = ''.join(Words['text'].iloc[then_loc + 1 : end_loc + 1])
print(result)  # 输出：theirfe156sligh334pain666

代码说明 #

• np.where(Words['text'] == 'then')[0][0]：精准匹配'then'，获取其首次出现的行号（从0开始计数）。
• target_subset = Words.iloc[then_loc + 1:]：仅处理'then'之后的行，排除无关内容。
• end_loc：将子集中的相对索引转换为原DataFrame的绝对索引，确保切片范围覆盖到目标行。
• ''.join(...)：直接拼接提取到的所有字符串，得到最终结果。

内容的提问来源于stack exchange，提问作者user17312322