如何生成DataFrame的season_new列：保留有效值并补全season空值

核心逻辑 #

优先保留season列的非空值，仅当season为空时，从programme列提取季数。关键是先锁定season列的优先级，再用正则提取补充空值。

可执行代码 #

import pandas as pd

# 构造示例数据集
dt = pd.DataFrame({
    'programme': ["grey's anatomy s1", "friends season 1", "grey's anatomy s2", 
                  "big bang theory s2", "big bang theory", "peaky blinders"],
    'season': [None, 1, None, 2, 1, 1]
})

# 1. 初始化新列为season列的值
dt['season_new'] = dt['season']

# 2. 从programme中提取季数的数字部分
# 正则匹配"s/season+数字"格式，仅捕获数字
extracted = dt['programme'].str.extract(r'(?:season\s?|s\s?)(\d+)', expand=False)

# 3. 用提取结果填充season_new的空值，转为整数类型
dt['season_new'] = dt['season_new'].fillna(extracted).astype(int)

执行结果 #

细节说明 #

• 正则(?:season\s?|s\s?)(\d+)：用非捕获组(?:...)匹配两种前缀（season或s，允许带空格），(\d+)仅捕获数字部分，避免提取多余字符。
• fillna仅作用于season_new的空值（即原season为空的行），严格遵循"优先用season列"的要求。
• astype(int)统一列类型，保证结果和原season列格式一致。

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