如何用Pandas的str.replace提取字符串下划线前的数字部分

直接使用以下代码即可实现需求：

df['col_name'] = df['col_name'].str.replace(r'^CC(\d{4})_.*$', r'\1', regex=True)

代码说明 #

• 正则表达式解析：
  • ^CC：匹配字符串开头的固定前缀"CC"
  • (\d{4})：捕获CC后面的4位数字（也就是你需要保留的3309），括号定义了第一个捕获组
  • _.*$：匹配下划线开始到字符串结尾的所有剩余内容，确保整个字符串都被匹配替换
• 替换值r'\1'：引用第一个捕获组捕获到的内容，也就是我们要保留的数字部分
• 赋值回原列：必须将修改后的结果重新赋值给df['col_name']，否则只会返回临时结果，不会改变DataFrame中的数据

灵活适配方案 #

如果CC后面的数字位数不固定（比如可能是2位、3位或更多），可以把正则改成：

df['col_name'] = df['col_name'].str.replace(r'^CC(\d+)_.*$', r'\1', regex=True)

\d+表示匹配1个或多个数字，能适配不同长度的数字前缀。

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