如何通过正则命名捕获组对比删除Pandas DataFrame不匹配行

我有一个包含两列字符串的Pandas DataFrame，想要删除Resources列与ServicePlan列通过正则匹配后，命名捕获组termduration结果不匹配的行。

示例数据 #

ServicePlan                         Resources
0  Plan A (CSP COM BAS 1YR ANN)  Resource A (CSP COM BAS 1YR ANN)
1  Plan A (CSP COM BAS 1YR ANN)  Resource B (CSP COM BAS 1YR ANN)
2  Plan A (CSP COM BAS 1YR ANN)  Resource C (CSP COM BAS 6YR ANN)

我尝试的代码（出现类型错误） #

import pandas as pd
import re
e_name = r'(?P<name>.*)\((?P<product>[A-Z]{3})\s(?P<type>[A-Z]{3})\s?(?P<baseattach>BAS|ADD|ATT|SWS)?\s?(?P<telco_overusage>OVG)?\s?(?P<termduration>[A-Z0-9]{3})?\s?(?P<billing>[A-Z0-9]{3})\)$'
name_re = re.compile(e_name)

data = {'ServicePlan': ["Plan A (CSP COM BAS 1YR ANN)","Plan A (CSP COM BAS 1YR ANN)","Plan A (CSP COM BAS 1YR ANN)"],
        'Resources': ["Resource A (CSP COM BAS 1YR ANN)","Resource B (CSP COM BAS 1YR ANN)","Resource C (CSP COM BAS 6YR ANN)"]}

df = pd.DataFrame(data)
print(df)
# 错误代码：re.findall无法直接处理Series，且仅取第一行结果，列名还写错了
df[~(name_re.findall(df['ServicePlan'].astype(str))[0]['termduration']).ne(name_re.findall(df['Resource'].astype(str))[0]['termduration'])]
print(df)

错误原因 #

1. re.findall()是针对单个字符串的方法，直接传入Pandas Series会导致类型不兼容，无法逐行处理。
2. 代码中用[0]只提取了第一行的匹配结果，无法实现全表逐行对比。
3. 列名写错：df['Resource']应该是df['Resources']。

正确解决方案 #

使用Pandas的str.extract()方法，它可以直接对Series进行正则提取，返回包含捕获组的DataFrame，方便后续逐行对比。

完整代码 #

import pandas as pd
import re

# 正则表达式（修正末尾转义，确保匹配括号闭合逻辑）
e_name = r'(?P<name>.*)\((?P<product>[A-Z]{3})\s(?P<type>[A-Z]{3})\s?(?P<baseattach>BAS|ADD|ATT|SWS)?\s?(?P<telco_overusage>OVG)?\s?(?P<termduration>[A-Z0-9]{3})?\s?(?P<billing>[A-Z0-9]{3})\)'

data = {'ServicePlan': ["Plan A (CSP COM BAS 1YR ANN)","Plan A (CSP COM BAS 1YR ANN)","Plan A (CSP COM BAS 1YR ANN)"],
        'Resources': ["Resource A (CSP COM BAS 1YR ANN)","Resource B (CSP COM BAS 1YR ANN)","Resource C (CSP COM BAS 6YR ANN)"]}

df = pd.DataFrame(data)

# 提取两列的termduration到临时列
df['sp_term'] = df['ServicePlan'].str.extract(e_name)['termduration']
df['res_term'] = df['Resources'].str.extract(e_name)['termduration']

# 过滤出两个termduration相等的行，同时删除临时列
filtered_df = df[df['sp_term'] == df['res_term']].drop(['sp_term', 'res_term'], axis=1)

print(filtered_df)

输出结果 #

ServicePlan                         Resources
0  Plan A (CSP COM BAS 1YR ANN)  Resource A (CSP COM BAS 1YR ANN)
1  Plan A (CSP COM BAS 1YR ANN)  Resource B (CSP COM BAS 1YR ANN)

说明 #

• str.extract()会自动遍历Series中的每一行字符串，提取指定的命名捕获组，返回对应结果的Series。
• 通过对比两个临时列的取值，精准过滤出匹配的行，最后删除临时列即可得到目标DataFrame。

内容的提问来源于stack exchange，提问作者oj43085