如何从Pandas DataFrame提取含$的子串并创建新列

问题说明 #

原始DataFrame结构：

Name:    'Computer', 'Tablet', 'Monitor'
Price:   900, 300, 400
Identifier:  '11$10qw-IDAA', '2222-IL$DB123', '2237-12$33AVD-ewwfq'

需要新增NewString列，提取Identifier列中包含$的子串，最终结果如下：

NewString
11$10qw
IL$DB123
12$33AVD

尝试两层嵌套循环未解决问题，以下是更高效的Pandas矢量化解决方案：

解决方案 #

方法1：拆分后筛选 #

利用Pandas字符串方法拆分并筛选目标子串，避免循环：

import pandas as pd

# 构造DataFrame
df = pd.DataFrame({
    'Name': ['Computer', 'Tablet', 'Monitor'],
    'Price': [900, 300, 400],
    'Identifier': ['11$10qw-IDAA', '2222-IL$DB123', '2237-12$33AVD-ewwfq']
})

# 按'-'拆分后筛选含$的子串
df['NewString'] = df['Identifier'].str.split('-').apply(lambda lst: [s for s in lst if '$' in s][0])

方法2：正则表达式提取（更高效） #

直接用正则匹配并提取目标子串，性能优于循环和列表推导：

# 用正则提取两个'-'之间（或首尾）含$的子串
df['NewString'] = df['Identifier'].str.extract(r'([^\-]*\$[^\-]*)')

正则说明：[^\-]*匹配任意非-的字符，\$匹配$（需转义），整体匹配包含$且被-分隔的子串。

内容的提问来源于stack exchange，提问作者Frank