如何在Pandas DataFrame中提取方括号内的ATT编码子串

核心思路 #

用Pandas的str.extract结合正则表达式，精准匹配方括号内以ATT开头、后续跟数字的编码，避免提取多余内容。

代码实现 #

提取单个匹配编码

如果每行文本里只有一个目标编码，用以下代码生成新列：

df2['ATT_Code'] = df2['Report Text'].str.extract(r'(?<=\[)ATT\d+(?=\])')

• 正则说明：
  • (?<=\[)：确保目标编码前是左方括号[
  • ATT\d+：匹配ATT开头，后续跟1个或多个数字的内容
  • (?=\])：确保目标编码后是右方括号]

提取多个匹配编码

如果每行文本里有多个[ATTxx]格式的编码，可提取所有匹配项并拼接：

df2['ATT_Codes'] = df2['Report Text'].str.findall(r'(?<=\[)ATT\d+(?=\])').str.join(', ')

处理无匹配的情况

若部分文本没有符合条件的编码，可填充默认值：

df2['ATT_Code'] = df2['Report Text'].str.extract(r'(?<=\[)ATT\d+(?=\])').fillna('无匹配编码')

为什么之前的方法不行？ #

你之前用str.split("ATT",1).str[-1]会把ATT之后的所有内容都提取出来，包括方括号外的文本，而正则匹配能精准限定在方括号范围内，只提取目标编码。

内容的提问来源于stack exchange，提问作者JLondon