如何在Pandas中根据条件提取列字符串生成新列？

给定如下Pandas DataFrame：

import pandas as pd

df_test = pd.DataFrame(data=None, columns=['file','comment'])
df_test.file = ['file_1', 'file_1_v2', 'file_2', 'file_2_v2', 'file_3', 'file_3_v2']
df_test.comment = ['none: 5', 'Replacing: file_1', 'none', 'Replacing: file_2', 'none', 'Replacing: file_3']

需求：创建一个新列，规则为：

• 若comment列的字符串以Replacing: 开头，提取该字符串后半部分填入新列
• 若不符合上述条件，使用对应行的file列值填充

期望新列结果：

['file_1', 'file_1', 'file_2', 'file_2', 'file_3', 'file_3']

此前尝试的代码无法满足需求，因为它会对所有含冒号的字符串进行分割：

df_test['comment'].str.extract(r'\s(.*)$', expand=False).fillna(df_test['file'])

解决方案 #

方法1：str.startswith + np.where #

通过条件判断分别处理两类行：

import numpy as np

df_test['new_col'] = np.where(
    df_test['comment'].str.startswith('Replacing: '),
    df_test['comment'].str.replace('Replacing: ', ''),
    df_test['file']
)

方法2：锚定开头的正则提取 #

用^锚定字符串开头，仅匹配以Replacing: 起始的内容，提取后半部分后用file列填充空值：

df_test['new_col'] = df_test['comment'].str.extract(r'^Replacing: (.*)$', expand=False).fillna(df_test['file'])

方法3：条件掩码 + 分割赋值 #

先初始化新列为file列的值，再对符合条件的行替换为分割后的内容：

mask = df_test['comment'].str.startswith('Replacing: ')
df_test['new_col'] = df_test['file']
df_test.loc[mask, 'new_col'] = df_test.loc[mask, 'comment'].str.split('Replacing: ').str[1]

验证结果：

print(df_test['new_col'].tolist())
# 输出：['file_1', 'file_1', 'file_2', 'file_2', 'file_3', 'file_3']

内容的提问来源于stack exchange，提问作者Marcus K.