如何用正则提取pandas列中SUITE/ste/#等标识后的套房号码

正确实现代码 #

首先导入依赖模块，直接调用pandas字符串处理的extract方法配合正则即可：

import re
df_merged['SuiteNos'] = df_merged['address'].str.extract(
    r'(?:suite|ste\.?|#)\s*#?\s*([\w\-]+)',
    flags=re.IGNORECASE
)

正则逻辑说明 #

• 非捕获组(?:suite|ste\.?|#)匹配所有前置标识：不分大小写的suite、ste（支持ste后面带可选的英文点）、或者#字符
• \s*#?\s*匹配标识和目标编号之间的内容：可选的空格、可选的#号、再可选的空格，适配SUITE #2这类格式
• 捕获组([\w\-]+)提取目标内容：支持字母、数字、横杠格式的编号，完全覆盖示例需求

原代码错误原因 #

1. 第一个正则写法冗余，\**无实际作用，未加捕获组，也没有覆盖ste、#等标识，没有适配大小写
2. 第二个写法错误：re.findall不能直接传入pandas Series对象，只能处理单个字符串，且正则里的@和[suite]字符组逻辑完全不符合需求

完整测试代码 #

你可以用示例数据直接验证效果：

import pandas as pd
import re

# 示例地址数据
data = {'address': [
    '4230 Harding Pike Ste 435',
    '4230 Harding Pike Suite 435',
    '4230 Harding Pike SUITE A',
    '4230 Harding Pike Ste. 101',
    '4230 Harding Pike SUITE B-200',
    '4230 Harding Pike #900',
    '4230 Harding Pike STE 503',
    '4230 Harding Pike SUITE 300',
    '4230 Harding Pike Ste 700',
    '4230 Harding Pike SUITE #2'
]}
df = pd.DataFrame(data)
df['SuiteNos'] = df['address'].str.extract(r'(?:suite|ste\.?|#)\s*#?\s*([\w\-]+)', flags=re.IGNORECASE)
print(df['SuiteNos'])

输出结果和预期完全一致。

内容的提问来源于stack exchange，提问作者user3447653