将str.extract提取值赋值给DataFrame列时出现异常行为

核心原因：索引对齐机制导致的赋值失败 #

你遇到的NaN问题本质是Pandas的索引对齐规则在起作用：

• df.Cypher.str.extract('(.*)/(.*)')返回的是和原DataFrame行数完全一致的新DataFrame，其中不包含/的行全部为NaN。
• 而df.loc[df.Cypher.str.contains('/'), ['Cypher', 'Bass']]选取的是原DataFrame中仅含/的子集行，它的索引只是原索引的一部分。
• 当你试图把全量的extract结果赋值给这个子集时，Pandas会严格按索引对齐：extract结果中，只有与.loc子集索引完全匹配的行才有有效值，但赋值操作会尝试将整个extract的DataFrame映射到目标子集，由于两者的索引范围不一致，最终导致目标列被覆盖为NaN。

正确的赋值方式 #

方法1：先过滤提取结果再赋值

先把extract的结果过滤出有效行（即不含NaN的行），再通过索引匹配赋值：

# 提取并过滤出匹配成功的行
extracted = df.Cypher.str.extract('(.*)/(.*)').dropna()
# 按索引匹配，更新Cypher列和Bass列
df.loc[extracted.index, 'Cypher'] = extracted[0]
df.loc[extracted.index, 'Bass'] = extracted[1]

方法2：先全量赋值再还原未匹配的Cypher值

如果你的Bass列原本不存在，可以先全量赋值，再用原Cypher值还原未匹配的行：

# 备份原Cypher列
df['_temp_cypher'] = df['Cypher']
# 全量提取赋值
df[['Cypher', 'Bass']] = df.Cypher.str.extract('(.*)/(.*)')
# 用备份的原数据填充Cypher列的NaN（即未匹配/的行）
df['Cypher'] = df['Cypher'].combine_first(df['_temp_cypher'])
# 删除临时列
df.drop('_temp_cypher', axis=1, inplace=True)

内容的提问来源于stack exchange，提问作者Federico