使用pd.insert报错维度不匹配（预期1维，实际2维）的解决求助

我有如下示例数据集：

import pandas as pd
import numpy as np

df = pd.DataFrame({'col_1':['Region1 (Y0001)','Region2 (Y0002)',
                       'Region3 (Y0003)','Region4 (Y0004)','Region5 (Y0005)'],
              'col_2':np.arange(1,6),
              'col_3':np.arange(6,11),
              'col_4':np.arange(11,16)})

注：我替换了真实值，但数据类型和结构与真实数据一致。

当我使用pd.insert()执行以下代码时，出现错误：

df.insert(df.columns.get_loc('col_1'),
      'new_col',
      df['col_1'].str.extract(r'\((\w+)\)'))

错误信息为：ValueError: Buffer has wrong number of dimensions (expected 1, got 2)

我通过执行以下代码测试pd.insert()的功能，结果正常：

df.insert(0,'Random_Col',55)

据我观察，该错误是在将pandas升级到1.4.3版本后出现的，之前没有这个问题。但这无法解释为什么上述测试代码能正常运行。

请问该如何解决这个错误？

问题根源是str.extract()默认返回二维的DataFrame，而pd.insert()要求插入的是一维的Series或可迭代对象，升级pandas后该参数的维度校验更严格，因此触发错误。

有两种直接的解决方法：

• 方法一：提取结果后取第一列转为Series

  df.insert(df.columns.get_loc('col_1'),
            'new_col',
            df['col_1'].str.extract(r'\((\w+)\)').iloc[:, 0])
  

• 方法二：使用expand=False参数，让str.extract()直接返回一维Series

  df.insert(df.columns.get_loc('col_1'),
            'new_col',
            df['col_1'].str.extract(r'\((\w+)\)', expand=False))
  

测试代码能正常运行是因为传入的标量55会被pandas自动广播为一维Series，符合insert()的参数要求。

内容的提问来源于stack exchange，提问作者Simone Di Claudio