Pandas如何通过字符串匹配删除上下行，提取<Header>标签间数据

实现方法 #

你可以通过匹配标签行的索引范围直接切片实现，不需要固定行号：

步骤1：定位标签的行索引 #

假设你从txt读取后的原始DataFrame命名为raw_df，首先定位两个标签的位置：

# 找到<Header>标签所在行的索引
start_idx = raw_df[raw_df.iloc[:, 0] == '<Header>'].index[0]
# 找到</Header>标签所在行的索引
end_idx = raw_df[raw_df.iloc[:, 0] == '</Header>'].index[0]

步骤2：切片提取中间内容 #

直接取两个索引中间的行即可，记得跳过标签本身所在行：

# 提取标签中间的有效数据，重置行索引
result_df = raw_df.loc[start_idx+1 : end_idx-1].reset_index(drop=True)

可选：健壮性兼容 #

如果担心部分文件没有对应标签，可以加判断避免报错：

import pandas as pd

# 先判断是否存在两个标签
has_start = (raw_df.iloc[:, 0] == '<Header>').any()
has_end = (raw_df.iloc[:, 0] == '</Header>').any()
if has_start and has_end:
    start_idx = raw_df[raw_df.iloc[:, 0] == '<Header>'].index[0]
    end_idx = raw_df[raw_df.iloc[:, 0] == '</Header>'].index[0]
    result_df = raw_df.loc[start_idx+1 : end_idx-1].reset_index(drop=True)
else:
    # 没有找到标签的自定义逻辑，比如返回空df
    result_df = pd.DataFrame()

运行后result_df就是你需要的仅包含标签内有效数据的DataFrame。

内容的提问来源于stack exchange，提问作者user53526356