如何用Python正则表达式对Pandas列做条件判断并提取账号至新列

现有数据集 #

需求 #

检查Account列末尾是否存在括号包裹的数字账号，若存在则拆分出账号存入新列Account_Number，不存在的行该列留空（或可选删除该行）。

原代码问题分析 #

1. 正则表达式错误：r'\(d+'未正确匹配数字，应改为r'\(\d+\)'（\d表示匹配数字，需匹配闭合的括号）
2. 语法与逻辑错误：loc赋值语句格式错误，split使用空字符串作为分隔符完全不符合需求，且未正确定义new变量

正确实现方法 #

方法1：使用str.extract（推荐，简洁高效） #

str.extract专门用于从字符串中提取正则匹配的内容，直接捕获括号内的数字：

import pandas as pd

# 构建数据集
data = {
    'Account': ['Kevin (1234567)', 'Buzz (7896345)', 'Snakes (5438761)', 'Marv', 'Harry (9083213)']
}
dataset = pd.DataFrame(data, index=[1,2,3,4,5])

# 提取括号内的账号数字，无匹配则留空（NaN）
dataset['Account_Number'] = dataset['Account'].str.extract(r'\((\d+)\)')

方法2：修正原代码的条件筛选+拆分逻辑 #

先筛选出包含账号的行，再拆分提取内容：

import pandas as pd

data = {
    'Account': ['Kevin (1234567)', 'Buzz (7896345)', 'Snakes (5438761)', 'Marv', 'Harry (9083213)']
}
dataset = pd.DataFrame(data, index=[1,2,3,4,5])

# 创建布尔掩码，标记存在账号的行
has_account = dataset['Account'].str.contains(r'\(\d+\)')
# 对匹配行拆分并提取账号
dataset.loc[has_account, 'Account_Number'] = dataset.loc[has_account, 'Account'].str.split(r'\(|\)', expand=True)[1]

处理结果 #

执行后数据集如下：

若需要跳过（删除）无账号的行，可执行：

dataset = dataset.dropna(subset=['Account_Number'])

内容的提问来源于stack exchange，提问作者Tanner Ormanoski