如何从Pandas DataFrame的V1列提取数字生成新列？

推荐方法：使用Pandas向量化字符串操作 #

Pandas内置的str.extract方法专门用于从字符串列中提取正则匹配内容，比手动循环高效得多，代码也更简洁：

import pandas as pd

df = pd.DataFrame(
    data=
    [['22 take away', 'something'],
     ['takeaway 56', 'I see'],
     ['45 takeaway street', ' This is blue'],
     ['right street', ' This is white']],
    columns=['V1', 'V2']
)

# 提取1-2位数字，无匹配项填充空格
df['V3'] = df['V1'].str.extract(r'(\d{1,2})').fillna(' ')

# 查看结果
print(df)

代码说明：

• str.extract(r'(\d{1,2})')：正则表达式中的括号表示捕获组，会提取每一行V1中第一个匹配的1-2位数字，无匹配时返回NaN
• fillna(' ')：将NaN替换为空格，和你目标DataFrame的格式一致

循环实现（不推荐，仅作参考） #

如果你想基于自己的循环代码修改，可以先收集所有结果再赋值给新列：

import pandas as pd
import re

df = pd.DataFrame(
    data=
    [['22 take away', 'something'],
     ['takeaway 56', 'I see'],
     ['45 takeaway street', ' This is blue'],
     ['right street', ' This is white']],
    columns=['V1', 'V2']
)

pattern = r'\d{1,2}'
v3_list = []
for text in df['V1']:
    match = re.search(pattern, text)
    # 匹配到就取数字，否则存空格
    v3_list.append(match.group(0) if match else ' ')

df['V3'] = v3_list

print(df)

这种方法在数据量大时性能远不如向量化操作，因此优先推荐第一种方法。

内容的提问来源于stack exchange，提问作者econbuffin2019