如何提取pandas DataFrame列中每个元组首元素的第一个单词？

解决方法 #

你需要先统一所有单词分隔符为空格，再进行分割取首元素，即可同时兼容空格、连字符两种分隔场景：

完整实现代码 #

import pandas as pd

# 原始数据（已修正语法，将两个字典放入列表中）
test = [
    {'text': [
        ('tom-mark', 'tom', 'tom is a good guy.'),
        ('Nick X','nick', 'Is that Nick?')
    ]}, 
    {'text': [
        ('juli', 'juli', 'Tom likes juli so much.'),
        ('tony', 'tony', 'Steve and Tony listen in as well.')
    ]}
]

# 合并所有元组构造DataFrame
all_records = []
for item in test:
    all_records.extend(item['text'])
df = pd.DataFrame(all_records, columns=['col1', 'col2', 'col3'])

# 定义首单词提取函数
def extract_first_word(raw_str):
    # 将连字符替换为空格，统一分隔规则
    processed_str = raw_str.replace('-', ' ')
    # 按空格分割后取第一个元素
    return processed_str.split()[0]

# 应用函数提取结果
df['first_word'] = df['col1'].apply(extract_first_word)

# 输出结果列表
print(df['first_word'].tolist())

运行后输出结果为：['tom', 'Nick', 'juli', 'tony']，完全符合预期。

扩展说明 #

如果后续遇到下划线、点号等其他单词分隔符，只需要在替换步骤增加对应的替换逻辑即可，比如同时处理连字符和下划线：

processed_str = raw_str.replace('-', ' ').replace('_', ' ')

如果需要统一输出小写，可以在返回前调用.lower()方法：

return processed_str.split()[0].lower()

内容的提问来源于stack exchange，提问作者Alina