如何在Pandas中提取字符串H后的数字并填充指定列？

要实现需求，最可靠的方式是用正则表达式提取，替代固定位置切片或str.find的方法，具体步骤如下：

核心思路 #

用正则匹配字符串中字母H后面紧跟的第一个数字，提取后转为数值类型，再仅填充H-Type列中原为NaN的行，保留已有非空值。

代码实现 #

import pandas as pd
import numpy as np

inp = [{"H-Type": np.nan, 'SomeValue': "Influenza A(H1N1)pdm09 Virus"},
       {"H-Type": np.nan, 'SomeValue': "Influencer A(H3N2) Virus"},
       {"H-Type": 1, 'SomeValue': "Influenza A Virus"}, 
       {"H-Type": np.nan, 'SomeValue': "Influenza A Virus"}]
df = pd.DataFrame(inp)

# 提取H后面的第一个数字，无匹配则返回NaN
extracted_h_type = df['SomeValue'].str.extract(r'H(\d)', expand=False).astype(float)
# 仅填充原H-Type列的NaN值，保留已有数据
df['H-Type'] = df['H-Type'].fillna(extracted_h_type)

print(df)

结果验证 #

运行后df的H-Type列结果完全符合预期：

• 第0行：1
• 第1行：3
• 第2行：1（保留原有值）
• 第3行：NaN（无匹配数字）

为什么str.find方法容易出问题 #

1. 当字符串中不存在H时，str.find返回-1，后续用str.slice会提取错误位置的字符，最终转整数时生成NaN；
2. 若H在字符串中的位置不固定，固定位置切片或基于find的切片都会失效，正则则能精准定位H后的数字，不受位置影响。

内容的提问来源于stack exchange，提问作者DrWhat