如何从Pandas DataFrame的字符串（对象）列中提取字母

• 需求明确：从混合字母和数字的字符串列里，提取所有字母，转成大写后按首次出现的顺序去掉重复字母，生成目标新列。对应示例：

  输入值：GE5000341、R22256544443、PDalirnamm、AAddda
  预期输出：GE、R、PDALIRN、AD

• 直接可用的代码：
  用Pandas配合自定义函数就能实现：

  import pandas as pd
  
  # 构造示例数据，实际替换成你的DataFrame即可
  df = pd.DataFrame({
      'original': ['GE5000341', 'R22256544443', 'PDalirnamm', 'AAddda']
  })
  
  def clean_string(s):
      # 提取所有字母并转为大写
      all_letters = ''.join([c for c in s if c.isalpha()]).upper()
      # 去重并保留首次出现的顺序
      unique_chars = []
      seen = set()
      for char in all_letters:
          if char not in seen:
              seen.add(char)
              unique_chars.append(char)
      return ''.join(unique_chars)
  
  # 生成目标新列
  df['target_col'] = df['original'].apply(clean_string)
  
  # 查看结果
  print(df)
  

• 代码逻辑拆解：

  1. 提取字母：用列表推导式直接筛选字符串中的字母，拼接后转大写，比正则表达式更简洁直观。
  2. 去重处理：用集合记录已出现的字母，遍历大写后的字母串，仅保留首次出现的字符，保证顺序不变。
  3. 列应用：通过apply将处理函数作用到原始列的每一行，生成目标新列。

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