如何使用Pandas从数据集列中提取全大写单词或词组？

需求说明 #

给定如下数据集列：

col
AMPCO Impact Socket
MEGGAR HARLEY Impact Socket

需要提取每行开头的全大写内容，目标结果为AMPCO、MEGGAR HARLEY（或仅提取单个全大写单词如MEGGAR）。

问题分析 #

你之前尝试的res = list(filter(lambda c: c.isupper(), test_str[:1]))存在两个核心问题：

• 仅截取字符串第一个字符判断，覆盖范围过窄
• 逐个字符筛选，无法识别由空格分隔的多个全大写单词

解决方案 #

方法1：正则表达式（推荐） #

利用正则匹配开头的连续全大写单词序列（支持空格分隔的多个全大写单词）：

import re

# 待处理数据
texts = ["AMPCO Impact Socket", "MEGGAR HARLEY Impact Socket"]

# 匹配开头的一个/多个全大写单词（允许单词间有空格）
pattern = r'^([A-Z]+(?:\s[A-Z]+)*)'

extracted = [re.match(pattern, text).group(1) for text in texts if re.match(pattern, text)]
print(extracted)
# 输出: ['AMPCO', 'MEGGAR HARLEY']

如果仅需要提取第一个全大写单词（如第二行只取MEGGAR），修改正则为r'^([A-Z]+)'即可，输出会变为['AMPCO', 'MEGGAR']。

方法2：分割筛选 #

通过分割字符串，逐个判断单词是否全大写，直到遇到非全大写单词为止：

texts = ["AMPCO Impact Socket", "MEGGAR HARLEY Impact Socket"]

extracted = []
for text in texts:
    words = text.split()
    brand_parts = []
    for word in words:
        if word.isupper():
            brand_parts.append(word)
        else:
            break
    extracted.append(' '.join(brand_parts))

print(extracted)
# 输出: ['AMPCO', 'MEGGAR HARLEY']

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