Pandas str.extract循环正则提取数值时覆盖已有结果的问题排查

循环中直接执行df['watt'] = 提取结果的写法会覆盖全列：str.extract返回的结果仅包含当前watt列为空的行的索引，全列赋值时，pandas会将不在该返回结果索引内的行（即之前已经匹配成功的行）自动填充为NaN，最终导致之前的提取结果丢失。
另外原代码存在基础疏漏：使用了np.nan但没有导入numpy库。

方法1：用fillna实现增量填充（写法最简洁） #

fillna只会对列中原有NaN的位置做填充，不会覆盖已经存在的非空值，完全匹配“保留之前提取结果”的需求：

import pandas as pd
import numpy as np

df = pd.DataFrame([{'title':'This bulb operates at 222 watts and is fabulous.'},
                   {'title':'This bulb operates at 999 w and is fantastic.'}])

# 正则前加r标记为原始字符串，避免转义异常
regexes = [r'([0-9\.,]{1,})[\s\-]{0,1}watt[s]{0,1} ', r'([0-9\.,]{1,})[\s\-]{0,1}w ']

# 初始化空列
df['watt'] = np.nan

for regex in regexes:
    # 仅填充空值，不覆盖已有结果
    # expand=False让extract直接返回Series，和列结构对齐，避免赋值警告
    df['watt'] = df['watt'].fillna(df['title'].str.extract(regex, expand=False))

print(df)

方法2：用.loc精准定位空行赋值 #

通过布尔索引只选中需要更新的行做赋值，完全不会触碰已经匹配成功的行：

import pandas as pd
import numpy as np

df = pd.DataFrame([{'title':'This bulb operates at 222 watts and is fabulous.'},
                   {'title':'This bulb operates at 999 w and is fantastic.'}])

regexes = [r'([0-9\.,]{1,})[\s\-]{0,1}watt[s]{0,1} ', r'([0-9\.,]{1,})[\s\-]{0,1}w ']

df['watt'] = np.nan

for regex in regexes:
    # 定位所有watt为空的行
    null_mask = df['watt'].isnull()
    # 仅对空行做提取和赋值
    df.loc[null_mask, 'watt'] = df.loc[null_mask, 'title'].str.extract(regex, expand=False)

print(df)

两种写法最终输出一致，两个数值都能正确提取，不会出现覆盖问题：

title watt
0  This bulb operates at 222 watts and is fabulous.  222
1     This bulb operates at 999 w and is fantastic.  999

内容的提问来源于stack exchange，提问作者Jabb