如何遍历DataFrame并根据邮箱前缀提取子串生成新列

原代码的核心问题是：str.startswith返回的是布尔值Series，直接和True比较会导致整个条件判断为False，无法逐行匹配规则。以下是几种可行的修改方案：

方案1：使用apply逐行处理 #

自定义处理单个邮箱的函数，通过apply对group_email列逐行执行逻辑：

import pandas as pd
import numpy as np

def extract_group_code(email):
    email_str = str(email)
    if email_str.startswith("gcp"):
        match = pd.Series(email_str).str.extract('(?:prod-)(.*)-')[0].iloc[0]
        return match if pd.notna(match) else np.nan
    elif email_str.startswith("irm"):
        match = pd.Series(email_str).str.extract('^(?:[^-]*\-){6}([^.]*)')[0].iloc[0]
        return match if pd.notna(match) else np.nan
    else:
        return np.nan

group_member_df['group_code'] = group_member_df['group_email'].apply(extract_group_code)

方案2：使用np.where嵌套实现向量化判断 #

利用numpy的向量化操作替代逐行循环，效率更高（适合大数据量）：

import pandas as pd
import numpy as np

# 先标记各行的匹配类型
is_gcp = group_member_df['group_email'].astype(str).str.startswith("gcp")
is_irm = group_member_df['group_email'].astype(str).str.startswith("irm")

# 提取gcp对应的code
gcp_codes = group_member_df.loc[is_gcp, 'group_email'].str.extract('(?:prod-)(.*)-')[0]
# 提取irm对应的code
irm_codes = group_member_df.loc[is_irm, 'group_email'].str.extract('^(?:[^-]*\-){6}([^.]*)')[0]

# 嵌套where赋值
group_member_df['group_code'] = np.where(
    is_gcp,
    gcp_codes,
    np.where(
        is_irm,
        irm_codes,
        np.nan
    )
)

方案3：直接通过mask批量赋值 #

先初始化group_code为NaN，再分别给符合条件的行赋值：

import pandas as pd
import numpy as np

group_member_df['group_code'] = np.nan

# 处理gcp开头的行
gcp_mask = group_member_df['group_email'].astype(str).str.startswith("gcp")
group_member_df.loc[gcp_mask, 'group_code'] = group_member_df.loc[gcp_mask, 'group_email'].str.extract('(?:prod-)(.*)-')[0]

# 处理irm开头的行
irm_mask = group_member_df['group_email'].astype(str).str.startswith("irm")
group_member_df.loc[irm_mask, 'group_code'] = group_member_df.loc[irm_mask, 'group_email'].str.extract('^(?:[^-]*\-){6}([^.]*)')[0]

注意事项 #

• 原代码中使用字符串"null"表示空值，建议改用pandas标准的np.nan，便于后续空值处理（如dropna()、fillna()）。
• str.extract返回的是DataFrame，取[0]是提取第一个捕获组的结果（即括号内匹配的内容）。

内容的提问来源于stack exchange，提问作者unnest_me