如何在Pandas DataFrame中提取带分隔符列的首个分段至新列

示例数据 #

import pandas as pd

raw_data = {'name': ['Willard Morris', 'Al Jennings', 'Omar Mullins', 'Spencer McDaniel'],
'code': ['01-02-11-55-00115','11-02-11-55-00445','test', '31-0t-11-55-00115'],
'favorite_color': ['blue', 'blue', 'yellow', 'green'],  
'grade': [88, 92, 95, 70]}
df = pd.DataFrame(raw_data)

解决方案 #

这里提供两种简洁的实现方式：

方法1：使用str.split()结合where()

通过分割字符串并条件赋值实现需求：

# 生成新列first_code
df['first_code'] = df['code'].str.split('-').str[0].where(df['code'].str.contains('-'), pd.NA)

• str.split('-')将code列的每个值按-分割为字符串列表
• str[0]提取列表的第一个元素
• where()方法判断原code值是否包含-：满足则保留提取结果，不满足则设为pd.NA（Pandas标准空值）

方法2：使用正则表达式str.extract()

利用正则精准匹配并提取目标片段：

df['first_code'] = df['code'].str.extract(r'^([^-]+)(?=-)')

• 正则表达式^([^-]+)(?=-)的含义：匹配字符串开头的一段非-字符，且这段字符之后紧跟-
• 若code值不含-，则提取结果为NaN（空值）

最终结果 #

处理后的DataFrame中first_code列的值依次为：01、11、<NA>、31，完全符合预期。

内容的提问来源于stack exchange，提问作者Natali