从数据集X的columnY列提取全大写单词：extract与extractall使用问题求助

问题原因 #

• str.extract() 仅返回每行的第一个匹配结果，返回对象的索引与原DataFrame完全一致，因此可以直接赋值为新列。
• str.extractall() 会返回包含**多级索引（MultiIndex）**的DataFrame：第一级是原DataFrame的行索引，第二级是每行内匹配项的序号（从0开始）。由于原DataFrame是单级索引，直接将多级索引的结果赋值给新列时，索引结构不匹配，因此触发TypeError。

解决方法 #

根据需求场景不同，有两种处理方式：

场景1：将每行的所有全大写单词合并为单个字符串（保留原行数） #

使用str.findall()提取每行所有匹配的单词列表，再用str.join()将列表转为用分隔符连接的字符串：

# 正则说明：[A-Z]+ 匹配1个及以上连续大写字母；若需匹配独立单词（避免和其他字符粘连），改用 r'\b[A-Z]+\b'
X['uppercase'] = X['columnY'].str.findall(r'[A-Z]+').str.join(', ')

示例：原列内容为"HELLO WORLD foo BAR"，处理后新列值为"HELLO, WORLD, BAR"。

场景2：将每个匹配的全大写单词单独拆分为一行（行展开） #

如果需要把每个匹配项作为独立行保留，可以先通过extractall()提取所有结果，再重置索引后与原DataFrame合并：

# 提取所有匹配项，得到多级索引DataFrame
extracted_df = X['columnY'].str.extractall(r'[A-Z]+')
# 移除多级索引中的match层级，保留原行索引
extracted_df = extracted_df.reset_index(level=1, drop=True)
# 重命名列并合并到原DataFrame
X = X.join(extracted_df.rename(columns={0: 'uppercase'}))

此方法会让原DataFrame中包含多个匹配项的行，对应生成多行结果（原行的其他列值会重复）。

正则优化补充 #

你最初使用的([A-Z][A-Z]+)等价于([A-Z]{2,})，仅匹配2个及以上连续大写字母。如果需要匹配单个大写字母的全大写单词（比如"A"），请改为([A-Z]+)。

内容的提问来源于stack exchange，提问作者marita