如何用Python切片或split方法拆分Pandas DataFrame中的特定格式字符串？

固定切片的局限性很明显——证券名称长度不固定（比如BANKNIFTY是9位，TCS只有3位），日期格式还分数字编码和月份缩写两种，完全没法用固定位置来切。最靠谱的方式是用正则表达式匹配字符串的模式，直接提取四个部分。

这里针对你的合约字符串格式，写一个精准匹配的正则，结合Pandas的str.extract方法就能一次性拆分出所有字段：

import pandas as pd

# 示例数据
data = {'symbol': ['BANKNIFTY2330935500PE', 'FINNIFTY2330618050PE', 'NIFTY23DEC21000CE', 'TCS23MAR3000PE']}
df = pd.DataFrame(data)

# 正则提取四个字段
df[['security', 'date', 'value', 'type']] = df['symbol'].str.extract(r'^([A-Z]+)(\d{5}|[0-9]{2}[A-Z]{3})(\d+)([A-Z]{2})$')

print(df)

运行后会得到拆分结果：

正则表达式说明 #

• ^([A-Z]+)：匹配字符串开头的所有大写字母，对应证券名称部分
• (\d{5}|[0-9]{2}[A-Z]{3})：匹配两种日期格式——5位数字编码（如23309）或「两位年份+三位月份缩写」（如23DEC）
• (\d+)：匹配日期之后的连续数字，对应行权价数值
• ([A-Z]{2})$：匹配字符串结尾的两位大写字母，对应合约类型（PE/CE）

这种方法完全不依赖固定位置，能适配所有你列出的合约格式，后续如果有同模式的新合约也能直接兼容。

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