如何在Pandas DataFrame中提取公司名，排除后缀并保留例外词

直接上可运行的解决方案，适配你的需求：

步骤1：准备数据与导入依赖 #

import pandas as pd

# 构造你的示例数据
data = {
    'company_name': [
        'PwC advisory',
        'PwC accounting',
        'American airlines',
        'McDonalds Boston',
        'McDonalds Washington',
        'Spirit airlines'
    ]
}
df = pd.DataFrame(data)

步骤2：定义例外列表并构建正则规则 #

# 放入需要保留的后缀词，后续可直接添加扩展
exception_words = ['airlines']

# 构建正则模式：优先匹配「核心名+例外词」，匹配不到则仅提取第一个核心词
pattern = r'^(\w+ (?:{}))|^(\w+)'.format('|'.join(exception_words))

# 提取核心名称并合并结果
df['core_company'] = df['company_name'].str.extract(pattern).bfill(axis=1).iloc[:, 0]

最终结果 #

运行后df['core_company']的输出为：

0              PwC
1              PwC
2    American airlines
3           McDonalds
4           McDonalds
5     Spirit airlines
Name: core_company, dtype: object

逻辑说明 #

• 正则规则里的^(\w+ (?:{}))负责匹配带例外词的完整组合（比如American airlines），(?:...)是避免生成多余捕获组的语法；
• |^(\w+)是兜底规则，当名称后缀不在例外列表里时，仅提取第一个单词作为核心名；
• bfill(axis=1)是把两个捕获组的结果合并，取第一个非空值，确保每个行都有结果；
• 如果后续要新增例外词，直接往exception_words列表里加即可，比如添加'group'就能保留'XYZ group'这类名称。

内容的提问来源于stack exchange，提问作者Peter