如何在Pandas DataFrame中提取‘г.’与‘,’之间的内容？

原始数据 #

用户的Pandas DataFrame地址列内容如下：

0                    г. Санкт-Петербург, ул. Карпинского,
1                   г. Челябинск, проспект Комсомольский,
2                         г. Екатеринбург, ул. Щербакова,
3             г. Санкт-Петербург, ул. Латышских Стрелков,
4       г. Москва, вн.тер.г. муниципальный округ Измай...

需求 #

提取每行中「г.」和第一个「,」之间的内容，预期结果：

0                   Санкт-Петербург
1                   Челябинск
2                   Екатеринбург
3                   Санкт-Петербург
4                   Москва

问题原因 #

你用的data['col'] = data['address'].str.extract('(г.*,)')不符合预期，是因为正则里的.*是贪婪匹配，会一直匹配到最后一个逗号前的所有内容，而非第一个逗号，导致结果包含多余字符。

正确解法 #

方法1：非贪婪正则匹配 #

使用非贪婪模式精准匹配到第一个逗号，同时排除「г.」本身：

data['col'] = data['address'].str.extract(r'г\.\s*(.*?)\,')

• 细节解释：
  • г\.：匹配「г.」，.是正则特殊字符，需加转义符\
  • \s*：匹配「г.」后任意数量的空格（包括0个）
  • (.*?)：非贪婪匹配任意字符，直到碰到第一个逗号
  • \,：匹配第一个逗号，转义避免与正则边界符混淆

方法2：字符串分割法 #

如果不想用正则，也可以用字符串分割实现：

data['col'] = data['address'].str.split(',', n=1).str[0].str.replace('г\. ', '')

• 细节解释：
  • str.split(',', n=1)：按第一个逗号分割成两部分，取前半段
  • str.replace('г\. ', '')：去掉开头的「г. 」（注意带空格）

两种方法都能精准提取到目标内容，不会受后续字符干扰。

内容的提问来源于stack exchange，提问作者alina999