Python按下划线分割file_name生成指定格式变量的技术需求

针对你需要从File_name列中提取三个数字段的需求，这里提供两种实用的Python（Pandas）实现方法：

方法一：正则表达式提取（推荐） #

正则表达式能精准匹配固定格式的文件名，一步到位提取目标字段：

import pandas as pd

# 构造示例数据框
df = pd.DataFrame({
    'file_path': ['/Users/user/Dropbox/SEC investigat...', '/Users/user/Dropbox/SEC investigat...'],
    'File_name': ['_0000886982_18795_2687.txt', '_0000072333_16855_805.txt']
})

# 用正则捕获三个数字段：10位、任意长度（可补零到6位）、1-4位
df[['var1', 'var2', 'var3']] = df['File_name'].str.extract(r'_(\d{10})_(\d+)_(\d{1,4})\.txt')

# 若需要强制var2为6位（补前导零），执行这行
df['var2'] = df['var2'].str.zfill(6)

运行后数据框会新增var1、var2、var3三列，分别对应你需要的三个变量。

方法二：分割字符串后处理 #

如果文件名格式有轻微变动，分割法更灵活：

# 先移除.txt后缀，再按下划线分割
split_cols = df['File_name'].str.rstrip('.txt').str.split('_', expand=True)

# 提取分割后的有效字段（跳过开头的空字符串）
df['var1'] = split_cols[1]
df['var2'] = split_cols[2].str.zfill(6)  # 补零到6位
df['var3'] = split_cols[3]

说明 #

• var1直接取分割后的第2个元素（索引1），刚好是10位数字；
• str.zfill(6)用于将var2补至6位（比如示例中的18795会变成018795），如果不需要补零可去掉这一步；
• var3取分割后的第4个元素（索引3），自动匹配1-4位的数字长度。

内容的提问来源于stack exchange，提问作者user19745533