在Pandas中从另一列提取子串新增列时出现报错该如何解决？

问题场景 #

原始DataFrame：

import pandas as pd
DF = pd.DataFrame({'files': ["S18-000344PAS", "S18-001850HE1", "S18-00344HE1"]})

需要新增stain列，提取files中数字后的后缀子串，最终结果：

DF = pd.DataFrame({'files': ["S18-000344PAS", "S18-001850HE1", "S18-00344HE1"], 'stain': ["PAS", "HE1", "HE1"]})

尝试代码及报错：

import re
DF["Stain"] = DF.apply(lambda row: row.files[re.search(r'[a-zA-Z]{2,}', row.files).start():], axis=1)

报错信息：

AttributeError: 'NoneType' object has no attribute 'start'

错误原因 #

1. 正则表达式匹配不准确：原正则[a-zA-Z]{2,}会匹配字符串开头的字母（如S18中的S），不仅提取结果错误，若存在无符合模式的行，re.search会返回None。
2. 未处理匹配失败的情况：当re.search找不到匹配时返回None，调用start()方法就会触发AttributeError。

解决方案 #

方案1：修正正则并处理匹配失败 #

调整正则为匹配数字之后的字母+可选数字，同时增加判断避免None调用：

import re
import pandas as pd

DF = pd.DataFrame({'files': ["S18-000344PAS", "S18-001850HE1", "S18-00344HE1"]})
# 编译正则提升效率
pattern = re.compile(r'(?<=\d)[A-Za-z]+[0-9]*')
DF["Stain"] = DF['files'].apply(lambda x: pattern.search(x).group() if pattern.search(x) else '')

方案2：使用pandas矢量化字符串方法（推荐） #

用str.extract实现更简洁高效的矢量化操作，自动处理匹配失败的情况：

import pandas as pd

DF = pd.DataFrame({'files': ["S18-000344PAS", "S18-001850HE1", "S18-00344HE1"]})
# 提取数字后的后缀，无匹配则返回NaN，再替换为空字符串
DF["Stain"] = DF['files'].str.extract(r'(?<=\d)([A-Za-z]+[0-9]*)', expand=False).fillna('')

说明 #

• 正则(?<=\d)[A-Za-z]+[0-9]*的含义：(?<=\d)是正向断言，确保前面是数字；[A-Za-z]+匹配至少一个字母；[0-9]*匹配可选的数字（适配HE1这类场景）。
• str.extract是pandas原生方法，比apply效率更高，适合批量处理DataFrame数据。

内容的提问来源于stack exchange，提问作者pill45