Python中如何对DataFrame列使用正则表达式进行groupby分组统计

你之前的代码逻辑存在问题：clientesv.COBERTURA.str.contains(r'\A', regex=True)返回的是布尔值序列（所有非空字符串都匹配\A即字符串开头的规则），只能得到True/False两组结果，自然无法实现按不同首字母分组的需求。

方法1：直接提取首字母分组（最简便） #

直接提取COBERTURA列的第一个字符作为分组键即可：

# 可选：先过滤掉空值/空字符串避免统计异常
clientesv = clientesv[clientesv['COBERTURA'].str.strip().astype(bool)]
# 按首字母分组统计
res = clientesv.groupby(clientesv['COBERTURA'].str[0]).size()

方法2：正则提取分组（适配更复杂场景） #

如果需要严格匹配开头的大写字母、自动过滤开头的特殊字符/空格，可以用正则提取规则实现：

res = clientesv.groupby(clientesv['COBERTURA'].str.extract(r'^([A-Z])', expand=False)).size()

以上两种方法得到的res就是你需要的按首字母聚合的统计结果，会自动汇总A、B、C、D、E、M对应所有子类别的总量。

内容的提问来源于stack exchange，提问作者LeaS