Python pandas提取列首尾冒号间内容创建DataFrame新列

问题背景 #

需要对pandas DataFrame做列派生：从现有crate列中提取第一个冒号与最后一个冒号之间的内容，生成新列main_cr，最终输出列顺序为site、stat、main_cr、crate。

原始数据样例：

site        stat    crate   
AA - site 1 ok      AD1:00:AB5.30:100   
AA - site 1 ok      AD1:00:AB5.30:111   
A1 - site 2 fail    AD1:00:AB5.30:200   
AA - site 1 ok      AD1:00:AB5.30:555   
BB - site 8 fail    BB5:01:BA8.40:777   

预期输出：

site        stat    main_cr     crate
AA - site 1 ok      00:AB5.30   AD1:00:AB5.30:100
AA - site 1 ok      00:AB5.30   AD1:00:AB5.30:111
A1 - site 2 fail    00:AB5.30   AD1:00:AB5.30:200
AA - site 1 ok      00:AB5.30   AD1:00:AB5.30:555
BB - site 8 fail    01:BA8.40   BB5:01:BA8.40:777   

之前尝试的写法返回值不符合预期：

df['main_cr'] = df['crate'].str.split(':').str[1:3]

该写法返回的是['00', 'AB5.30']格式的列表，而非拼接完成的带冒号字符串，且写死切片位置的方式兼容性差。 #

实现方案 #

方案1：split切片后拼接（逻辑简单易读） #

按冒号分割字符串后，切掉首尾两段（即第一个冒号前、最后一个冒号后的内容），剩余分段用冒号重新拼接即可，不需要写死切片位置，对不同分段长度的字段兼容性更好：

# 生成目标新列
df['main_cr'] = df['crate'].str.split(':').str[1:-1].str.join(':')
# 调整列顺序匹配输出要求
df = df[['site', 'stat', 'main_cr', 'crate']]

方案2：正则提取（代码简洁，大数据量下性能更优） #

通过正则捕获组直接匹配目标区间内容，一步完成提取：

df['main_cr'] = df['crate'].str.extract(r'^.*?:(.*):.*?$')
df = df[['site', 'stat', 'main_cr', 'crate']]

正则逻辑说明：

• ^.*?: 非贪婪匹配字符串开头到第一个冒号的内容
• (.*) 贪婪匹配两个冒号之间的所有内容，自动定位到最后一个冒号前的位置，也就是我们需要提取的部分
• :.*?$ 匹配最后一个冒号到字符串结尾的内容

两种方案运行后都能完全匹配预期输出效果，可根据个人习惯选择。

内容的提问来源于stack exchange，提问作者Lynn