如何为Pandas DataFrame列的每行应用正则删除特定单词前的内容？

需求背景 #

你已经创建了如下重复内容的DataFrame：

import pandas as pd

data = ['The text is interesting but short'] * 6
df = pd.DataFrame(data, columns=['Text'])

需要删除Text列每行中「interesting」之前的所有内容，且已实现单个字符串的正则处理逻辑，现在要将该逻辑批量应用到整列。

修正单个字符串处理逻辑 #

注意你原代码中up_to_word设为了"is"，不符合需求，需改为目标单词"interesting"，修正后的单字符串处理代码：

import re

date_div = "The text is interesting but short"
up_to_word = "interesting"
rx_to_first = r'^.*?{}'.format(re.escape(up_to_word))
print(re.sub(rx_to_first, '', date_div, flags=re.DOTALL).strip())
# 输出：but short

批量应用到DataFrame列的两种方法 #

方法1：使用apply()逐行处理

将正则逻辑封装为函数，通过apply作用到Text列：

import pandas as pd
import re

# 创建原始DataFrame
data = ['The text is interesting but short'] * 6
df = pd.DataFrame(data, columns=['Text'])

def remove_before_target(text, target_word):
    rx = r'^.*?{}'.format(re.escape(target_word))
    return re.sub(rx, '', text, flags=re.DOTALL).strip()

# 生成处理后的新列
df['Processed_Text'] = df['Text'].apply(remove_before_target, target_word='interesting')

方法2：使用向量化str.replace()（推荐）

Pandas的字符串方法支持直接对整列执行正则替换，性能比apply更优，适合大数据量场景：

import pandas as pd
import re

data = ['The text is interesting but short'] * 6
df = pd.DataFrame(data, columns=['Text'])

target_word = 'interesting'
rx = r'^.*?{}'.format(re.escape(target_word))
# 直接处理整列并生成新列
df['Processed_Text'] = df['Text'].str.replace(rx, '', flags=re.DOTALL).str.strip()

内容的提问来源于stack exchange，提问作者user19783276