Pandas如何在找到特定字符后截断后续多余字符？

报错原因 #

你编写的remove_str_start函数是针对单个字符串设计的，直接传入Pandas的Series（df['document_group']）和位置Series时，字符串切片/索引逻辑无法适配整个序列：Series的s[:start]是对整个序列按位置切片，而非每个元素内部的字符切片，因此触发错误。

解决方案 #

根据你的需求（斜杠后保留前两位字符，截断后续内容），推荐以下几种高效实现方式：

方法1：向量化字符串分割拼接（推荐） #

利用Pandas内置的str方法实现向量化操作，比apply效率更高：

# 按斜杠分割为两列
split_cols = df['document_group'].str.split('/', expand=True)
# 拼接：前半部分 + 斜杠 + 后半部分的前两位
df['document_group'] = split_cols[0] + '/' + split_cols[1].str.slice(0, 2)

方法2：正则表达式替换 #

用正则直接匹配并截断斜杠后的多余字符，代码更简洁：

# 匹配斜杠后两位字符，截断后续所有内容
df['document_group'] = df['document_group'].str.replace(r'(/[^/]{2}).*', r'\1')

正则说明：

• (/[^/]{2})：捕获斜杠+后面的任意2个非斜杠字符
• .*：匹配后续所有字符
• 替换为\1：保留捕获的部分，丢弃后续内容

方法3：apply遍历单个元素（兼容原函数逻辑） #

如果要保留原函数的思路，用apply将函数逐个应用到每个字符串元素：

def process_single_str(s):
    pos = s.find('/') + 2
    # 处理斜杠后不足两位的情况（如示例中的A02J3/40）
    if pos >= len(s):
        return s
    return s[:pos] + s[pos]  # 等价于s[:pos+1]，取到斜杠后第二位

df['document_group'] = df['document_group'].apply(process_single_str)

验证结果 #

处理后DataFrame将符合预期：

document_group
0        A12J3/38
1        A02J3/40
2        B12P4/25
3      C10P234/35

内容的提问来源于stack exchange，提问作者Hook Im