如何在Pandas的.str.extract()正则中使用DataFrame列作为变量

由于pandas.Series.str.extract()仅支持固定正则表达式，无法直接将每行的column1值作为动态变量传入，所以我们可以通过逐行处理的方式实现需求，下面提供两种实用方案：

方案一：正则表达式动态匹配 #

通过apply()逐行生成正则表达式，匹配目标关键词前的对应片段：

import pandas as pd
import re

# 示例数据
df = pd.DataFrame({
    'column1': ['key1', 'key2', 'key3'],
    'column2': ['word1/word2/key1', 'word3/word4/word5/key2', 'word6/key3']
})

def extract_with_regex(row):
    # 转义关键词，避免正则特殊字符（如.*?）干扰匹配
    escaped_key = re.escape(row['column1'])
    # 正则逻辑：兼容关键词前有1个或多个斜杠的情况，捕获关键词前紧邻的片段
    pattern = rf'(?:.*/)?(.*)/{escaped_key}'
    match_result = re.search(pattern, row['column2'])
    # 匹配成功返回捕获内容，失败返回None
    return match_result.group(1) if match_result else None

# 生成提取结果列
df['extracted'] = df.apply(extract_with_regex, axis=1)

方案二：字符串分割法（更直观） #

直接将column2按斜杠分割为列表，找到关键词所在位置后取前一个元素：

import pandas as pd

# 示例数据同上
df = pd.DataFrame({
    'column1': ['key1', 'key2', 'key3'],
    'column2': ['word1/word2/key1', 'word3/word4/word5/key2', 'word6/key3']
})

def extract_with_split(row):
    path_parts = row['column2'].split('/')
    target_key = row['column1']
    if target_key in path_parts:
        key_index = path_parts.index(target_key)
        # 确保关键词不是第一个片段，避免索引越界
        if key_index > 0:
            return path_parts[key_index - 1]
    # 未找到关键词或关键词在首位时返回None
    return None

df['extracted'] = df.apply(extract_with_split, axis=1)

两种方案运行后，df['extracted']的结果均为：['word2', 'word5', 'word6']，完全符合需求。

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