如何提取正斜杠后末尾文本 处理df的Sample_name列获取样本ID

以下两种方法都可以直接实现你要的提取效果，均为pandas常规处理逻辑，运行稳定效率高。

方法1：标准路径库处理（鲁棒性最强） #

借助Python标准库os的路径处理方法，自动适配任意层级的文件路径，不会因为路径中存在额外斜杠、特殊字符出错：

import os

# 核心处理逻辑
df["Sample_name"] = df["Sample_name"].apply(
    lambda x: os.path.basename(x).removesuffix(".vcf.gz")
)

• 兼容提示：如果你的Python版本低于3.9，不支持removesuffix方法，可以替换为切片写法，效果完全一致：

  lambda x: os.path.basename(x)[:-7]
  

  这里的-7是因为后缀.vcf.gz固定长度为7个字符。

方法2：正则直接提取（无需导入额外模块） #

直接通过pandas字符串方法的正则匹配，一步提取目标ID，代码更简洁：

df["Sample_name"] = df["Sample_name"].str.extract(r'/([^/]+)\.vcf\.gz$')

• 正则逻辑说明：匹配字符串末尾处、前接正斜杠、后接.vcf.gz后缀的非斜杠片段，恰好对应你需要的样本ID。

两种方法运行后，得到的DataFrame都和你给出的预期结果完全一致：

内容的提问来源于stack exchange，提问作者Assir