Pandas extract()返回NaN：如何提取U1-U9并分组DataFrame列？

问题分析 #

• 原str.match正则r'(U\s*\d)'会匹配U25这类不符合要求的行，因为它仅检查字符串开头是否存在U+空格+数字，不限制数字后是否还有其他字符，且允许数字0。
• 原str.extract用法错误：直接将提取结果与True比较会返回NaN，因为str.extract返回的是匹配到的字符串（无匹配则为NaN），而非布尔值。

正确步骤 #

1. 筛选包含有效U1-U9的行

使用str.contains配合精准正则，确保只匹配U后接可选空格和1-9的单个数字，且避免匹配U25这类长数字：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'column1': ['U 1', 'U9', 'U25', 'U 3 / U 2', 'U0', 'X5'],
    'value': [10, 20, 30, 40, 50, 60]
})

# 筛选符合条件的行：U后接可选空格+1-9的数字，且是独立项（避免U25）
filtered_df = df[df['column1'].str.contains(r'\bU\s*[1-9]\b', na=False)]
print("筛选后的行：")
print(filtered_df)

2. 提取并标准化U1-U9值

提取匹配的内容，并统一格式（去除U和数字间的空格）：

# 提取第一个匹配的U1-U9值，去除空格标准化
filtered_df['extracted_u'] = filtered_df['column1'].str.extract(r'(U\s*[1-9])', expand=False).str.replace(r'\s', '', regex=True)

# 若一行有多个匹配值（如"U 3 / U 2"），可使用extractall+explode拆分
multi_matches = filtered_df.copy()
multi_matches['extracted_u'] = multi_matches['column1'].str.extractall(r'(U\s*[1-9])')[0].str.replace(r'\s', '', regex=True).groupby(level=0).apply(list)
multi_matches = multi_matches.explode('extracted_u')
print("\n拆分多匹配后的行：")
print(multi_matches)

3. 基于提取值分组

使用groupby对其他列进行分组聚合：

# 按提取的U值分组，计算value列的总和
grouped = filtered_df.groupby('extracted_u')['value'].sum().reset_index()
print("\n分组聚合结果：")
print(grouped)

关键正则说明 #

• \b：单词边界，确保U和数字是独立的项，避免匹配U25中的U2。
• U\s*[1-9]：匹配U后接0个或多个空格，再接1-9的单个数字（排除U0）。

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