如何用正则表达式从Pandas数据集的足球比分字符串提取主客场进球数

完全可以用单个正则表达式搞定两种比分格式的提取，不用分开写两个。核心思路是精准匹配比分里-两侧的实际进球数字，自动忽略前后的点球决胜括号内容。

正则表达式写法 #

(?:\(\d+\)\s*)?(\d+)-(\d+)(?:\s*\(\d+\))?

正则各部分说明 #

• (?:\(\d+\)\s*)?：匹配前面可能存在的点球数（比如(5)）和后续空格，?:表示这是个非捕获组（不会提取这部分内容），?表示该部分可选（标准比分没有这部分时自动忽略）
• (\d+)：第一个捕获组，提取主队进球数
• -：匹配比分的分隔符
• (\d+)：第二个捕获组，提取客队进球数
• (?:\s*\(\d+\))?：匹配后面可能存在的点球数（比如(4)）和前面空格，同样是非捕获可选组

Pandas中实际使用示例 #

import pandas as pd

# 模拟你的数据集
df = pd.DataFrame({
    'score': ["4-2", "(5) 2-3 (4)", "1-1", "(3) 0-0 (5)"]
})

# 提取主客队进球数，生成新列
df[['主队进球', '客队进球']] = df['score'].str.extract(r'(?:\(\d+\)\s*)?(\d+)-(\d+)(?:\s*\(\d+\))?')

print(df)

运行后输出结果：

score 主队进球 客队进球
0           4-2     4     2
1  (5) 2-3 (4)     2     3
2           1-1     1     1
3  (3) 0-0 (5)     0     0

完美覆盖两种比分格式的提取需求，不需要额外处理不同格式的分支逻辑。

内容的提问来源于stack exchange，提问作者Ewan