如何修改Python Pandas的DataFrame，提取列中指定字符间的内容？

原始DataFrame #

COL_1 | COL_2               | COL_3
------|---------------------|---------
111   | CV_COUNT_ABC_XM_BF  | CV_SUM_ABC_XM_BF
222   | CV_COUNT_DEF_XM_BF  | CV_SUM_CC_XM_BF
333   | CV_COUNT_CC_XM_BF   | LACK
444   | LACK                | CV_SUM_DEF_XM_BF
...   | ...                 |  ...

处理规则 #

• 若COL_2或COL_3的值为"LACK"，保持不变
• 若值不为"LACK"，提取"CV_COUNT_"与"XM_BF"之间，或"CV_SUM"与"_XM_BF"之间的内容

实现代码 #

直接用正则表达式结合Pandas的字符串替换方法即可完成，无需额外判断逻辑：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'COL_1': [111, 222, 333, 444],
    'COL_2': ['CV_COUNT_ABC_XM_BF', 'CV_COUNT_DEF_XM_BF', 'CV_COUNT_CC_XM_BF', 'LACK'],
    'COL_3': ['CV_SUM_ABC_XM_BF', 'CV_SUM_CC_XM_BF', 'LACK', 'CV_SUM_DEF_XM_BF']
})

# 定义正则：匹配两种前缀，捕获中间目标内容
pattern = r'(?:CV_COUNT_|CV_SUM_)(.*?)_XM_BF'

# 对目标列执行替换，不匹配正则的"LACK"会自动保留
df['COL_2'] = df['COL_2'].replace(pattern, r'\1', regex=True)
df['COL_3'] = df['COL_3'].replace(pattern, r'\1', regex=True)

代码解释 #

• 正则表达式(?:CV_COUNT_|CV_SUM_)(.*?)_XM_BF：(?:...)是不捕获前缀的分组，(.*?)是捕获中间内容的非贪婪分组，确保只提取两种前缀和_XM_BF之间的部分
• str.replace方法会自动对匹配正则的内容执行替换，将整个字符串替换为捕获到的中间内容；不匹配的"LACK"则保持原样

处理后结果 #

COL_1 | COL_2             | COL_3
------|-------------------|---------
111   | ABC               | ABC
222   | DEF               | CC
333   | CC                | LACK
444   | LACK              | DEF
...   | ...               | ...

内容的提问来源于stack exchange，提问作者dingaro