如何在Python中用正则匹配2/5字符及高效提取Pandas列中发动机缸数

直接用正则表达式匹配恰好2个字符或恰好5个字符的内容，核心规则是限定字符串首尾的长度：

• 正则表达式：^.{2}$|^.{5}$
  • ^ 和 $ 分别匹配字符串的开头和结尾，确保是完整匹配而非部分匹配
  • .{2} 匹配任意2个字符，.{5} 匹配任意5个字符
  • | 表示逻辑“或”

示例代码：

import re

test_strings = ["ab", "abcde", "abc", "abcd", "abcdef"]
pattern = r'^.{2}$|^.{5}$'

matches = [s for s in test_strings if re.match(pattern, s)]
print(matches)  # 输出: ['ab', 'abcde']

如果需要匹配字符串中的子串（而非完整字符串），去掉首尾的^和$即可：

pattern = r'.{2}|.{5}'
test_str = "abcdefghij"
matches = re.findall(pattern, test_str)
print(matches)  # 输出: ['ab', 'cdefg', 'hi']

不用逐个编写格式规则，直接提取字符串中的数字并筛选4-12的有效缸数即可，因为所有格式（I4、4 Cyl、V4、4 Cylinder等）的核心都是数字：

步骤1：提取数字并转换类型 #

用str.extract提取字符串中的第一个数字，转成数值类型：

import pandas as pd

# 示例数据
engine_data = {
    "Engine": ["I4 Turbo Engine", "6 Cylinder", "V8", "12-Cyl Performance", "3 Cyl Eco", "V10"],
    "Count": [150, 200, 100, 50, 80, 70]
}
df = pd.DataFrame(engine_data)

# 提取数字
df['Cylinders'] = df['Engine'].str.extract(r'(\d+)').astype(float)

步骤2：筛选有效缸数（4-12） #

只保留4到12之间的数值，其余设为NaN：

df['Cylinders'] = df['Cylinders'].where(df['Cylinders'].between(4, 12))

最终结果 #

处理后的DataFrame：

如果想一步完成提取和筛选，也可以直接用正则匹配4-12的数字：

df['Cylinders'] = df['Engine'].str.extract(r'(4|5|6|7|8|9|10|11|12)').astype(float)

内容的提问来源于stack exchange，提问作者Scott