如何从Pandas列文本中提取「Tipo X」格式的子串？

直接用Pandas的str.extract()方法结合正则表达式就能解决，具体操作如下：

1. 编写匹配规则：使用正则表达式r'(Tipo\s+[A-Z])'

   • Tipo：匹配固定前缀文本
   • \s+：匹配一个或多个空格（兼容字符串里可能出现的多空格情况）
   • [A-Z]：匹配单个大写字母（如果需要兼容小写，可改为[A-Za-z]）
   • 括号代表捕获组，str.extract会提取该组内容作为结果

2. 代码示例：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'raw_text': [
        "PAC_Clinker Tipo I Horno horizontal 3",
        "PAC_Clinker OTP Tipo V Horno horizontal 4",
        "PAC_Cemento Qhuna 4 5 Tipo I Despacho"
    ]
})

# 提取目标子串生成新列
df['tipo_info'] = df['raw_text'].str.extract(r'(Tipo\s+[A-Z])')

# 查看结果
print(df['tipo_info'])

运行后新列tipo_info会得到预期结果：

0    Tipo I
1    Tipo V
2    Tipo I
Name: tipo_info, dtype: object

内容的提问来源于stack exchange，提问作者Felix Wong Plasencia