Pandas Merge/Join问题：正则提取结果关联原DataFrame生成多行

你需要把原DataFrame中第一条记录根据正则提取的3个结果拆分成3条，同时保留第二条记录，最终生成包含4条记录的新DataFrame。可以通过以下步骤实现：

• 用str.extractall提取所有引号内的内容，该方法会返回带多级索引的结果（第一级是原DataFrame的索引，第二级是匹配项的序号）
• 将提取结果与原DataFrame按索引合并，保留原数据的所有列
• 重置索引并整理列名，得到最终的结构

修改后的代码如下：

import pandas as pd

# 原数据
data = [['Sql "syn-eu2-prd-edw-001 database windows net", "syndpeu2prdedw1",  Query="SELECT ta FROM rdv_60_137.Account"', "x1"], ["b1", "x2"]]
df = pd.DataFrame(data, columns=["Expression","Key"])

# 提取所有引号内的内容，生成多级索引的结果
extracted = df['Expression'].str.extractall(r'"(.*?)"')
# 重命名提取的列，方便识别
extracted.columns = ['Extracted_Content']

# 合并原数据和提取结果，按原索引关联
result = pd.merge(df, extracted, left_index=True, right_index=True, how='left')

# 重置索引，清理多余的索引层级
result = result.reset_index(drop=True)

print(result)

运行后输出的结果会是：

Expression Key                     Extracted_Content
0  Sql "syn-eu2-prd-edw-001 database windows net", "syndpeu2prdedw1", ...  x1  syn-eu2-prd-edw-001 database windows net
1  Sql "syn-eu2-prd-edw-001 database windows net", "syndpeu2prdedw1", ...  x1                      syndpeu2prdedw1
2  Sql "syn-eu2-prd-edw-001 database windows net", "syndpeu2prdedw1", ...  x1       SELECT ta FROM rdv_60_137.Account
3                                                                    b1  x2                                NaN

如果不需要第二条记录的NaN值（因为它没有匹配到引号内容），可以把合并的how='left'改成how='inner'，这样只会保留有提取内容的记录，但根据你的需求是包含原数据集所有记录，所以用left更合适。

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