Pandas保留前n个字符，其中n在列n中定义

Question

我有一个来自一个源的数据帧，其中的名称背对背重复，没有分隔符

例如：

In [1] 
data = {"Names": ["JakeJake", "ThomasThomas", "HarryHarry"],
       "Scores": [70, 81, 23]}
df = pd.DataFrame(data)

Out [1]

    Names       Scores
0   JakeJake        70
1   ThomasThomas    81
2   HarryHarry      23

我希望有一个方法只保留“Names”列的前半部分。我最初的想法是这样做：

In [2]
df["N"] = df["Names"].str.len()//2
df["X"] = df["Names"].str[:df["N"]]

然而，这给出了输出

Out [2]

Names             Scores N    X
0   JakeJake         70  4  nan
1   ThomasThomas     81  6  nan
2   HarryHarry       23  5  nan

期望的输出是

Out [2]

Names            Scores N        X
0   JakeJake        70  4   Jake
1   ThomasThomas    81  6   Thomas
2   HarryHarry      23  5   Harry

我相信答案会很简单，但我无法理解。干杯

Answer 1

使用regex提取名称，使用str.len提取长度：

df["X"] = df.Names.str.extract(r"^(.+)\1$")
df["N"] = df.X.str.len()

其中正则表达式查找重复2次的任何内容的完全匹配（\1指正则表达式中的第一个捕获组）

>>> df

          Names  Scores       X  N
0      JakeJake      70    Jake  4
1  ThomasThomas      81  Thomas  6
2    HarryHarry      23   Harry  5