如何修正从Ticker字段提取Symbol与Expiry的正则逻辑错误

根因分析 #

• 正则捕获组使用错误：你用括号定义了提取分组，但调用re.search().group()时未指定分组编号，默认返回整个匹配的字符串，而非括号内的目标内容：
  • Expiry_Pattern匹配结果会带上前缀横杠，比如返回-III而非III
  • Symbol_Pattern匹配结果会带上后缀的横杠和到期标识，比如返回ZEEL-III而非ZEEL
• 手动循环遍历DataFrame的写法效率极低，不适合处理大数据量场景。

修正方案 #

方案1：仅调整现有代码的逻辑 #

修改正则的取值逻辑即可：

Expiry_Pattern = r'-([A-Z]{1,3})'
Symbol_Pattern = r'(.*?)-[A-Z]{1,3}'

for row in range(0, len(df)):
    ticker_val = df.iat[row, index_Ticker]
    # 指定取第一个捕获组的内容，而非全匹配结果
    Expiry = re.search(Expiry_Pattern, ticker_val).group(1)
    df.iat[row, index_Expiry] = Expiry
    Symbol = re.search(Symbol_Pattern, ticker_val).group(1)
    df.iat[row, index_Symbol] = Symbol

方案2：更高效的pandas原生写法（推荐） #

直接用str.extract批量提取，不需要写循环，代码更简洁、性能更高：

# 一次正则匹配同时提取两个字段
df[['Symbol', 'Expiry']] = df['Ticker'].str.extract(r'^(.*?)-([A-Z]{1,3})')

正则含义说明：

• ^ 匹配字符串开头
• (.*?) 第一个捕获组，非贪婪匹配横杠前的所有内容，对应Symbol
• - 匹配横杠分隔符
• ([A-Z]{1,3}) 第二个捕获组，匹配1-3位大写字母，对应Expiry

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