如何在Pandas中查找字母并提取其关联的字母数字组合

需要在Pandas DataFrame中新增一列Sem，从Sem_Year列里提取以H开头后跟数字的组合（如H1、H2），不管该组合在Sem_Year中的位置。

初始数据示例：

期望处理后的数据：

解决方案 #

可以使用Pandas的str.extract()方法结合正则表达式，精准提取目标内容：

代码实现 #

import pandas as pd

# 构造示例数据
data = {
    'Month': ['2020-04-01', '2020-05-01', '2020-06-01', '2020-07-01', '2020-08-01',
              '2020-09-01', '2020-10-01', '2020-11-01', '2020-12-01', '2021-01-01', '2021-02-01'],
    'Sem_Year': ['H1 2020', '2020 H1', 'H1 2020', 'H2 2020', 'H2 2020',
                 '2020 H2', '2020 H2', 'H2 2020', 'H2 2020', 'H1 2021', 'H1 2021']
}

df = pd.DataFrame(data)

# 新增Sem列，提取H后跟数字的组合
df['Sem'] = df['Sem_Year'].str.extract(r'(H\d+)')

print(df)

代码说明 #

• str.extract(r'(H\d+)')：正则表达式H\d+匹配以字母H开头、后面跟一个或多个数字的字符串，括号用于捕获目标匹配内容。
• 无论H1/H2在Sem_Year中的位置是前还是后，该正则都能精准提取对应的内容。

内容的提问来源于stack exchange，提问作者Mufeez