如何用Python正则表达式提取DataFrame中指定开头的文本单词

• 核心方案：利用Pandas字符串方法结合正则表达式，批量提取所有符合条件的单词并拼接成新字符串
• 正则逻辑：用\b确保匹配完整单词，[TG]\w+匹配以T/G（实际场景全大写）开头的单词内容

代码示例 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'columnA': ['Hello world the sky is blue and the grass is green']
})

# 针对示例小写文本提取以t/g开头的单词
df['new_column'] = df['columnA'].str.findall(r'\b[tg]\w+').str.join(' ')

# 实际全大写场景的正则（直接替换为大写匹配）
# df['new_column'] = df['columnA'].str.findall(r'\b[TG]\w+').str.join(' ')

执行后df['new_column']的结果为the the grass green，完全符合需求。

常见问题说明 #

如果之前仅能获取首次匹配，大概率是误用了单次匹配方法（比如str.search()），而str.findall()会返回当前文本中所有符合正则的结果，再通过str.join(' ')将匹配到的单词列表转为空格分隔的字符串，实现批量高效处理。

扩展：不区分大小写匹配 #

如果需要兼容大小写混合的场景，可以引入正则忽略大小写标志：

import re
df['new_column'] = df['columnA'].str.findall(r'\b[tg]\w+', flags=re.IGNORECASE).str.join(' ')

内容的提问来源于stack exchange，提问作者Lukemorgan75