如何在Pandas中从Sample ID列提取内容生成新列？

问题分析 #

你的原有正则存在两处问题：

• 用\d+\d+无法匹配带小数点的深度值（如0.5），也没考虑整数深度的情况
• 未针对B/TP-1这类样本ID结构设计捕获逻辑

假设你的Sample ID列字符串格式类似B/TP-1-0.5、B/TP-6-2（样本ID与深度用连字符分隔），以下是两种可行的解决方法：

方法一：Pandas原生str.extract（推荐） #

用str.extract可以一次性提取两列，代码更简洁高效：

import pandas as pd

# 定义正则模式，两个捕获组分别对应样本ID和深度值
pattern = r'(B/TP-\d+)-(\d+(\.\d+)?)'
# 直接提取到新列
SAMPDATA_w[['样本ID', '深度值']] = SAMPDATA_w['Sample ID'].str.extract(pattern)

# 将深度值转为数值类型（方便后续计算）
SAMPDATA_w['深度值'] = pd.to_numeric(SAMPDATA_w['深度值'], errors='coerce')

方法二：修复apply+re实现 #

如果你习惯用apply结合正则，可按以下方式修改：

import re
import pandas as pd

# 提取样本ID
SAMPDATA_w['样本ID'] = SAMPDATA_w['Sample ID'].apply(
    lambda x: re.search(r'(B/TP-\d+)', x).group(1) if re.search(r'(B/TP-\d+)', x) else None
)

# 提取深度值（兼容整数和小数）
SAMPDATA_w['深度值'] = SAMPDATA_w['Sample ID'].apply(
    lambda x: re.search(r'-(\d+(\.\d+)?)', x).group(1) if re.search(r'-(\d+(\.\d+)?)', x) else None
)
# 转换为数值类型
SAMPDATA_w['深度值'] = pd.to_numeric(SAMPDATA_w['深度值'], errors='coerce')

关键正则说明 #

• (B/TP-\d+)：捕获B/TP-开头加数字的样本ID部分
• (\d+(\.\d+)?)：匹配整数（如2）或小数（如0.5），?表示小数点及后续数字是可选的
• pd.to_numeric：将提取的字符串转为数值，errors='coerce'会把无效值转为NaN

内容的提问来源于stack exchange，提问作者Robert