如何用正则表达式为Python DataFrame新增Category分类列？

现有如下Python DataFrame：

需要新增Category列，规则如下：

• 文件名后缀.xls前无特殊标识的普通文件标记为N
• 文件名后缀.xls前含Z标记为Z
• 文件名后缀.xls前含PH标记为PH

目标DataFrame如下：

已定义正则表达式但不清楚用法：

regex_Z = re.compile('Z.xls$')    
regex_PH = re.compile('PH.xls$')

同时需要推荐正则表达式学习资源。

方法一：apply结合预编译正则匹配 #

先修正正则（.需要转义为\.，否则会匹配任意字符），再通过自定义函数对每行的File值做匹配：

import pandas as pd
import re

# 构建示例数据
df = pd.DataFrame({
    'ColumnA': ['First', 'Second', 'Third', 'Fourth'],
    'File': ['aasdkh.xls', 'sadkhZ.xls', 'asdasdPH.xls', 'adsjklahsdPH.xls']
})

# 预编译修正后的正则
regex_Z = re.compile(r'Z\.xls$')    
regex_PH = re.compile(r'PH\.xls$')

# 自定义分类函数
def get_category(filename):
    if regex_PH.search(filename):
        return 'PH'
    elif regex_Z.search(filename):
        return 'Z'
    else:
        return 'N'

# 新增Category列
df['Category'] = df['File'].apply(get_category)

方法二：str.contains简洁实现 #

无需预编译正则，直接用pandas的字符串方法批量匹配，逻辑更直观：

import pandas as pd

df = pd.DataFrame({
    'ColumnA': ['First', 'Second', 'Third', 'Fourth'],
    'File': ['aasdkh.xls', 'sadkhZ.xls', 'asdasdPH.xls', 'adsjklahsdPH.xls']
})

# 先默认设为N，再按规则覆盖
df['Category'] = 'N'
df.loc[df['File'].str.contains(r'PH\.xls$'), 'Category'] = 'PH'
df.loc[df['File'].str.contains(r'Z\.xls$'), 'Category'] = 'Z'

正则学习资源推荐 #

• Python官方文档的正则表达式章节：系统讲解Python正则的语法、函数和示例，是最权威的参考
• 在线正则测试工具：可以实时输入正则和测试文本，查看匹配结果，帮助快速理解匹配逻辑
• 编程教程平台的正则专项课程：从入门到进阶覆盖常见场景，适合系统学习正则的应用技巧

内容的提问来源于stack exchange，提问作者Aragorn64