如何从数据列提取特定字符前子串？str.extract返回NaN问题

针对你遇到的问题，核心是精准匹配x-y year格式的数据提取x值，同时保留其他格式的原始内容，以下是两种可行的实现方式（基于Pandas）：

方法一：提取匹配内容 + 填充原始值 #

使用str.extract匹配目标格式并提取x，再用fillna将不匹配行的NaN替换为原始数据：

import pandas as pd

# 模拟数据示例
df = pd.DataFrame({
    'target_col': ['8-12 year', '5-9 year', '20', '15 year', 'xyz-abc year']
})

# 正则匹配"x-y year"格式，提取x部分；不匹配的行用原数据填充
df['cleaned_col'] = df['target_col'].str.extract(r'(.*?)-.*? year', expand=False).fillna(df['target_col'])

方法二：直接替换目标格式内容 #

使用str.replace仅对符合x-y year格式的行进行替换，将整行内容替换为x值，不匹配的行保持原样：

df['cleaned_col'] = df['target_col'].str.replace(r'(.*?)-.*? year', r'\1', regex=True)

原方法返回NaN的原因 #

你使用的正则(.{,2}(-))存在两个问题：

1. 匹配范围过窄：仅能匹配最多2个字符加短横线的内容，无法覆盖所有可能的x值格式；
2. str.extract默认会对不匹配正则的行返回NaN，且你未对这些NaN做填充处理，导致非目标格式行全部变成NaN。

内容的提问来源于stack exchange，提问作者Graleon3