如何使用R从数据框的分类列中提取竖线前的首个主行业

嘿，这个需求很常见，用pandas就能轻松搞定！咱们直接看具体的实现方法：

假设你的数据框叫df，分类列的列名为category，这里提供两种常用且可靠的方法来提取第一个主行业：

方法1：使用str.split()拆分字符串 #

这是最直观的方式，通过竖线|拆分每个单元格的字符串，然后取拆分后的第一个元素：

import pandas as pd

# 构造示例数据（模拟你的数据结构）
data = {
    "category": [
        "Application Platforms|Real Time|Social Network Media Apps",
        "Games|Mobile Curated Web Software",
        "Games|Software Networking",
        "Real Estate|Web Hosting",
        "Biotechnology Analytics Mobile E-Commerce Entertainment"  # 兼容无竖线的情况
    ]
}
df = pd.DataFrame(data)

# 提取第一个主行业，生成新列`main_category`
df["main_category"] = df["category"].str.split("|").str[0]

# 查看处理结果
print(df)

这个方法的优势是自动兼容没有竖线的单元格（直接返回原字符串），不需要额外处理边界情况。

方法2：使用正则表达式str.extract() #

如果你习惯用正则匹配，也可以精准提取竖线之前的内容（或整个字符串如果没有竖线）：

df["main_category"] = df["category"].str.extract(r"^([^|]+)", expand=False)

正则^([^|]+)的逻辑是：从字符串开头（^）开始，匹配所有非竖线的字符（[^|]+），正好对应第一个主行业的内容。

最终效果示例 #

处理后的数据框会新增main_category列，结果如下：

这样就完美满足你的需求啦！

内容的提问来源于stack exchange，提问作者Suraj Kumar Talreja