如何快速移除Pandas DataFrame列中的国家信息保留指定姓名？

问题背景 #

现有列表：

names = ['kramer hickok', 'carlos ortiz ', 'talor gooch', 'mikumu horikawa', 'yoshinori fujimoto']

以及pandas DataFrame page：

需要移除name列中的国家信息，得到如下结果：

尝试以下代码但无效：

for name in names:
   page['name'] = page['name'].str.extract(name)

解决方案 #

方法1：直接利用已有names列表（最快） #

因为names列表的内容和目标结果完全匹配，且顺序与DataFrame行一一对应，直接赋值即可：

page['name'] = names
# 可选：统一清理首尾空格
page['name'] = page['name'].str.strip()

这是效率最高的方式，时间复杂度O(n)，无需额外字符串处理。

方法2：正则匹配提取目标名字 #

如果names列表顺序不确定，或需要从原字符串中精准提取，可构造正则匹配：

import re
import pandas as pd

# 先清理names中的首尾空格
clean_names = [name.strip() for name in names]
# 构造正则模式，匹配任意一个目标名字
pattern = r'(' + '|'.join(re.escape(name) for name in clean_names) + r')'
# 提取匹配内容
page['name'] = page['name'].str.extract(pattern)[0]

re.escape用于处理名字中的特殊字符，避免正则语法冲突，确保每个名字都能被准确匹配。

方法3：按单词分割移除最后部分（通用场景） #

如果不知道具体名字，仅知道国家是最后一个单词，可从右侧分割字符串：

# 从右侧分割1次，取前半部分并去除首尾空格
page['name'] = page['name'].str.rsplit(n=1).str[0].str.strip()

该方法无需依赖names列表，适合国家均为单个单词的通用场景。

原代码无效原因 #

你之前的循环中，str.extract需要传入正则表达式格式的参数，而直接传入name无法匹配；同时循环会反复覆盖page['name']的赋值，最终仅保留最后一次匹配的结果，因此无法得到预期效果。

内容的提问来源于stack exchange，提问作者HJA24