如何用正则表达式从DataFrame列提取末尾逗号后的无数字姓名

问题场景 #

给定如下结构的DataFrame A：

需要新增名为name的列，从information列中提取不含数字的姓名，预期结果如下：

提取规则 #

• information列中的姓名始终位于最后一个逗号之后
• 姓名前后可能带有数字，数字与姓名之间可能有空格或无空格
• 姓名可能是两个单词（如Mary Rose）

当前使用的代码只能提取最后一个逗号后的全部内容（如Lia 33、Peter2543），无法过滤掉数字，需要结合正则表达式实现精准提取。

解决方案 #

核心思路 #

1. 先通过rsplit(',', 1)提取最后一个逗号后的内容
2. 用正则表达式从该内容中匹配由纯字母和空格组成的姓名序列（支持单/双词姓名）

代码实现 #

import re
import pandas as pd

# 假设A是已有的DataFrame
def get_pure_name(info_str):
    # 提取最后逗号后的部分，去除首尾空格
    target_part = info_str.rsplit(',', 1)[1].strip() if ',' in info_str else info_str.strip()
    # 匹配纯字母+空格的姓名（支持多词）
    name_match = re.search(r'[A-Za-z]+(?:\s[A-Za-z]+)*', target_part)
    return name_match.group(0) if name_match else ''

# 新增name列
A['name'] = A['information'].apply(get_pure_name)

正则表达式说明 #

[A-Za-z]+(?:\s[A-Za-z]+)*

• [A-Za-z]+：匹配至少一个英文字母，对应姓名的第一个单词
• (?:\s[A-Za-z]+)*：非捕获组，匹配零个或多个「空格+字母单词」的组合，用来支持双词姓名（比如Mary Rose）
• 整个表达式会自动跳过目标内容前后的数字和空格，精准提取纯姓名部分

效果验证 #

该代码可完美处理所有测试案例：

• "Lia 33" → 提取"Lia"
• "Peter2543" → 提取"Peter"
• "004 John891" → 提取"John"
• "245Sarah" → 提取"Sarah"
• "Mary Rose 9855" → 提取"Mary Rose"

内容的提问来源于stack exchange，提问作者LRD