如何拆分pandas DataFrame行列值提取PMCID、标题与摘要

解决方案 #

实现思路 #

• 拆分原DataFrame第一列的列名，按|分割后提取PMCID值、标题文本
• 拆分原第一行第一列的单元格内容，按|分割后提取摘要文本
• 直接构造符合要求的新DataFrame即可

完整代码 #

import pandas as pd
import numpy as np

# 原始输入数据
PMCID_Article = {
    '25763772|t|DCTN4 as a Modifier':["25763772|a|Pseudomonas aeruginosa (Pa)", None],
    'Title' :[None,None],
    'Abstract':[None,None],
    }
df = pd.DataFrame(PMCID_Article)

# 核心处理逻辑
# 拆分第一列列名获取PMCID、标题内容
col_parts = df.columns[0].split('|')
pmcid = col_parts[0]
title_content = col_parts[2]
# 拆分第一行首单元格获取摘要内容
cell_parts = df.iloc[0,0].split('|')
abstract_content = cell_parts[2]
# 生成符合要求的新DataFrame
result_df = pd.DataFrame({
    'PMCID': [pmcid, None],
    'Title': [title_content, None],
    'Abstract': [abstract_content, None]
})

print(result_df)

输出结果 #

PMCID                Title                     Abstract
0  25763772  DCTN4 as a Modifier  Pseudomonas aeruginosa (Pa)
1      None                 None                         None

批量场景适配 #

如果实际业务中存在多列/多行同规则数据需要处理，可以把上述拆分逻辑封装为自定义函数，配合apply方法批量执行即可。

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