DataFrame列处理问题：提取指定词汇至新列，无匹配时填充原文本

我明白你的问题了——当前代码在localisation列没有匹配到目标词汇时，word列会变成空值，而你需要这时候填入localisation的完整文本。咱们来修正这个问题：

问题根源 #

str.extract()方法在没有找到匹配内容时会返回NaN，而你之前的代码没有处理这些空值，导致最终word列出现缺失。

解决方案 #

我们可以先用str.extract()提取目标词汇，再用fillna()把空值替换成localisation列的完整内容。如果你的temp列是必须的（用于先从localisation中提取特定片段），可以这样修改：

# 保留你原来的temp列提取逻辑
df["temp"] = df["localisation"].str.extract("Localisation[\s]*:.*\n([^_\n]{3,})\n[^\n]*\n", expand=False)

# 提取目标词汇到word列
df["word"] = df["temp"].str.extract("(SECTION 11|CÔNE|BELLY)", expand=False)

# 将空值替换为localisation列的完整文本
df["word"] = df["word"].fillna(df["localisation"])

如果你不需要保留temp列，也可以直接从localisation列提取并填充，简化代码：

# 直接从localisation提取目标词汇
df["word"] = df["localisation"].str.extract("(SECTION 11|CÔNE|BELLY)", expand=False)

# 填充空值为原localisation文本
df["word"] = df["word"].fillna(df["localisation"])

另外，如果你想更清晰地控制逻辑，也可以用numpy.where()来实现：

import numpy as np

# 先提取temp列
df["temp"] = df["localisation"].str.extract("Localisation[\s]*:.*\n([^_\n]{3,})\n[^\n]*\n", expand=False)

# 判断temp中是否包含目标词汇，是则提取，否则用原localisation文本
df["word"] = np.where(
    df["temp"].str.contains("SECTION 11|CÔNE|BELLY", na=False),
    df["temp"].str.extract("(SECTION 11|CÔNE|BELLY)", expand=False),
    df["localisation"]
)

关键点说明 #

• expand=False确保str.extract()返回Series而不是DataFrame，方便后续处理
• fillna()会自动将所有NaN值替换为指定列的内容
• str.contains()中的na=False是为了避免当temp列本身有空值时出现判断错误

内容的提问来源于stack exchange，提问作者grinim