如何从DataFrame的Animals列提取特定词汇并生成对应新行？

原始DataFrame #

预期结果 #

需要提取AVES/REP及其大小写变体（如aves、Rep、rep），在原行下方新增一行数据，新行的Type和Year与原行一致，Animals为提取出的词汇，最终得到：

当前代码局限 #

现有代码仅能提取位于字符串末尾的目标词汇：

out = (pd.concat([df, df.assign(Animals=df['Animals'].str.extract(r'(\w+)$'))])          
       .sort_index(kind='stable', ignore_index=True)       
)

核心是使用忽略大小写的正则表达式匹配目标词汇，不管其在字符串中的位置或周围的分隔符。

修改后的代码 #

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'Animals': ['Penguin AVES', 'Caiman REP', 'Komodo.Rep', 'Blue Jay.aves', 
                'Peregrine aves Falcon', 'Iguana+rep', 'Rep Salamander'],
    'Type': ['Omnivore', 'Carnivore', 'Carnivore', 'Omnivore', 
             'Carnivore', 'Carnivore', 'Carnivore'],
    'Year': [2015, 2018, 2019, 2015, 2016, 2020, 2019]
})

# 提取目标词汇并生成新DataFrame
out = (pd.concat([df, df.assign(Animals=df['Animals'].str.extract(r'(?i)(aves|rep)'))])
       .sort_index(kind='stable', ignore_index=True)
)

# 输出结果
print(out)

正则表达式说明 #

(?i)(aves|rep) 各部分含义：

• (?i)：开启忽略大小写模式，匹配时不区分AVES/aves、REP/Rep/rep等变体
• (aves|rep)：精准捕获"aves"或"rep"这两个目标词汇，自动跳过周围的空格、点、+等分隔符，无论目标词汇在字符串的开头、中间还是末尾。

代码逻辑解释 #

1. df['Animals'].str.extract(r'(?i)(aves|rep)')：从每行的Animals字符串中提取匹配到的目标词汇
2. df.assign(Animals=...)：将提取出的词汇替换原Animals列，生成仅包含目标词汇的新行数据
3. pd.concat([df, ...])：将原始数据和新行数据合并
4. sort_index(kind='stable', ignore_index=True)：保持原行与对应新行的顺序（原行在前，新行在后），并重新生成连续的索引。

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