Python Pandas：从DataFrame列提取行权价与类型至新列

针对你的需求，我们可以通过更精准的正则表达式提取行权价（strike），同时优化类型（type）的提取逻辑：

提取行权价（strike） #

利用正则的正向预查特性，精准匹配位于CE/PE之前的5位连续数字，避免误匹配日期部分的数字：

df['strike'] = df['symbol'].str.extract(r'(\d{5})(?=[CP]E$)', expand=False)

正则说明：

• \d{5}：匹配连续5位数字
• (?=[CP]E$)：正向预查，确保这5位数字后紧跟CE或PE，且处于字符串末尾

优化类型（type）提取 #

替换你之前的正则，直接匹配字符串末尾的CE/PE，更简洁准确：

df['type'] = df['symbol'].str.extract(r'([CP]E$)', expand=False)

测试示例 #

针对你的示例值BANKNIFTY25JAN2436500CE，执行后会得到：

• strike列值：36500
• type列值：CE

备选方案（固定格式场景） #

如果你的symbol格式完全固定（品种名、日期长度均不变），也可以用字符串切片快速提取：

# 从倒数第7位到倒数第2位取行权价，倒数2位取类型
df['strike'] = df['symbol'].str[-7:-2]
df['type'] = df['symbol'].str[-2:]

这种方法性能略高，但依赖格式固定，灵活性不如正则。

内容的提问来源于stack exchange，提问作者mona