如何从Pandas DataFrame非规范数据中提取NEX+数字序列并转大写？

要从PROGRAM列提取包含“NEX”（不区分大小写）且后续跟随数字的序列，并转为大写存入新列NEX，可以通过Pandas字符串方法结合正则表达式实现：

import pandas as pd

# 创建DataFrame
data = {
    'ID':[1,2,3,4,5],
    'PROGRAM': [ 'nbu 123456',
                'NBU-123456',
                'nex999999 b12',
                'NXE999999 123',
                'NBU123456 NEX999999']
}

df = pd.DataFrame(data)

# 提取目标序列并转大写
df['NEX'] = df['PROGRAM'].str.extract(r'(?i)(nex\d+)', expand=False).str.upper()

print(df)

代码说明 #

• (?i)：正则的不区分大小写标记，可匹配nex、NEX、Nex等任意大小写组合
• nex\d+：精准匹配连续的nex（不区分大小写）后跟至少一位数字的序列
• str.extract：提取匹配到的内容，expand=False返回Series格式便于直接赋值给新列
• str.upper()：将提取结果统一转为大写

输出结果 #

ID                  PROGRAM        NEX
0   1               nbu 123456       NaN
1   2              NBU-123456       NaN
2   3           nex999999 b12  NEX999999
3   4           NXE999999 123       NaN
4   5  NBU123456 NEX999999  NEX999999

如果需要将无匹配项的NaN替换为空字符串，可在代码末尾添加.fillna('')：

df['NEX'] = df['PROGRAM'].str.extract(r'(?i)(nex\d+)', expand=False).str.upper().fillna('')

内容的提问来源于stack exchange，提问作者Lee Murray