Pandas技术问题：如何用另一列作为str.extractall的匹配模式输入？

要实现用Pattern列的每行内容作为正则匹配规则，对Files列执行字符串提取，可以通过以下方法实现（str.extract本身不支持直接传入逐行变化的模式，需要逐行处理）：

方法一：使用apply逐行处理 #

这种方法直观易懂，适合小数据集：

import pandas as pd

# 初始化数据
df = pd.DataFrame({"Pattern": ['a|d'],
                   "Files": ['a.csv, b.csv, c.csv, d.csv']})

# 拆分并展开Files列，同时清理空格
df['Files'] = df['Files'].str.split(',').apply(lambda x: [s.strip() for s in x])
df = df.explode(['Files'])

# 逐行应用Pattern列的正则规则提取内容
df['Expected'] = df.apply(
    lambda row: row['Files'].str.extract(r'({})'.format(row['Pattern']), expand=False),
    axis=1
)

print(df)

输出结果：

Pattern   Files Expected
0     a|d  a.csv        a
0     a|d  b.csv      NaN
0     a|d  c.csv      NaN
0     a|d  d.csv        d

方法二：列表推导式结合zip（更高效） #

对于大数据量，列表推导式的执行效率比apply更高：

# 基于上述处理后的df执行提取
df['Expected'] = [
    pd.Series(file).str.extract(r'({})'.format(pattern), expand=False).iloc[0]
    for pattern, file in zip(df['Pattern'], df['Files'])
]

关键注意点 #

• 给Pattern内容外层添加括号()，确保提取到正则分组的内容，和你硬编码的r'([a|d])'逻辑一致；如果你的Pattern列本身已经包含分组括号，可省略这一步。
• 必须清理Files列的空格（str.strip()），否则空格会导致正则匹配失败。

内容的提问来源于stack exchange，提问作者John Stud