如何在Pandas中截取'domain'后的目标内容生成新列？

问题说明 #

存在格式固定的字段，示例值如下：

Non Compliance Risk Situation 1 - domain D-G101 Regulatory licenses and relations with regulators

需求是创建新列，仅保留'domain'后的D-G101内容。尝试以下代码后未达到预期，新列值为[]：

osi['col'] = osi.Name.str.split('domain').str.slice(start=7)     
# 预期得到'D-G101'，实际返回[]

可行解决方案 #

方法1：拆分字符串后精准索引提取 #

利用split拆分后定位目标内容：

osi['col'] = osi.Name.str.split('domain').str[1].str.split().str[0]

• str.split('domain').str[1]：获取'domain'之后的全部内容（示例中为' D-G101 Regulatory licenses...'）
• str.split().str[0]：将上述内容按空格拆分后取第一个元素，即目标的D-G101

方法2：正则表达式匹配（更适配固定格式） #

通过正则直接捕获'domain '后的非空格字符，稳定性更强：

# 方法2.1 使用apply结合re.search
import re
osi['col'] = osi.Name.apply(lambda x: re.search(r'domain (\S+)', x).group(1))

# 方法2.2 使用pandas内置的str.extract
osi['col'] = osi.Name.str.extract(r'domain (\S+)', expand=False)

正则表达式domain (\S+)的作用是匹配'domain '后面的连续非空格字符，捕获组(\S+)会直接提取出我们需要的D-G101。

内容的提问来源于stack exchange，提问作者ramoss