如何在Pandas DataFrame中提取多邮箱字符串中的用户名？

你可以直接利用Pandas的字符串处理能力结合正则表达式，一步完成用户名提取，比拆分再拼接的方法更简洁高效，下面是两种实用方案：

方案一：正则全局替换（最简洁） #

直接用str.replace匹配每个邮箱里@及其后面的域名部分，替换为空字符串即可：

import pandas as pd

d = {'Country':'A', 'Email':'123@abc.com,456@def.com,789@ghi.com'}
df = pd.DataFrame(data=d)

# 核心代码
df['Email'] = df['Email'].str.replace(r'@.*?(?=,|$)', '', regex=True)
print(df)

输出结果：

Country          Email
0       A  123,456,789

正则说明：@.*?(?=,|$) 匹配@后直到下一个逗号或字符串结尾的内容，?表示非贪婪匹配，确保每个邮箱的域名都被精准替换。

方案二：提取所有用户名再拼接 #

如果需要先单独提取每个用户名再处理，可以用str.extractall提取所有符合规则的用户名，再按行拼接：

import pandas as pd

d = {'Country':'A', 'Email':'123@abc.com,456@def.com,789@ghi.com'}
df = pd.DataFrame(data=d)

# 核心代码
df['Email'] = df['Email'].str.extractall(r'([^@,]+)')[0].groupby(level=0).agg(','.join)
print(df)

输出结果和方案一一致。
正则说明：([^@,]+) 匹配所有不包含@和逗号的字符，也就是每个邮箱的用户名部分；extractall会提取所有符合的结果，最后通过groupby按原行索引分组，用agg拼接成逗号分隔的字符串。

这两种方法都避免了循环拆分拼接的繁琐，利用Pandas的矢量化操作，处理大数据量时效率会更高。

内容的提问来源于stack exchange，提问作者PLUTO TEA