Pandas新增列提取其他列字符串指定位置单词的实现方法

你现有代码存在两个核心问题，修正后即可实现需求：

• 自定义word_at_pos函数仅通过print输出结果，没有返回值，无法将计算结果赋值给DataFrame列；同时原函数遍历逻辑中break位置错误，会导致拼接结果不符合预期，没必要手动逐字符计数，直接按空格切分字符串即可快速拿到单词列表。
• 逐行调用自定义逻辑可以通过DataFrame.apply()方法实现，指定axis=1即可让函数按行接收每行的字段值作为参数。

完整可运行代码如下：

import numpy as np
import pandas as pd

# 构建测试数据集
d = {'ABSTRACT_ID': [14145090,1900667, 8157202,6784974], 
     'TEXT': [
         "velvet antlers vas are commonly used in tradit",
         "we have taken a basic biologic RPA to elucidat4",
         "ceftobiprole bpr is an investigational cephalo",
         "lipoperoxidationderived aldehydes for example",],
     'LOCATION': [1, 4, 2, 1]}
df = pd.DataFrame(data=d)

def word_at_pos(pos, text_str):
    # 按空格切分文本为单词列表，由于LOCATION从1开始计数，索引需要减1
    word_list = text_str.split()
    return word_list[pos - 1]

# 逐行应用函数生成WORD列
df['WORD'] = df.apply(lambda row: word_at_pos(row['LOCATION'], row['TEXT']), axis=1)

print(df)

运行后得到的WORD列结果完全匹配需求：

• ABSTRACT_ID=14145090行：velvet
• ABSTRACT_ID=1900667行：a
• ABSTRACT_ID=8157202行：bpr
• ABSTRACT_ID=6784974行：lipoperoxidationderived

注：str.split()不传参数时默认按任意空白字符切分，会自动忽略连续空格、首尾空格的影响，比手动指定split(' ')鲁棒性更强。

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