pandas提取DataFrame列下划线前字符出现多余0的问题咨询

你使用的str(df['name'])是将整个name列的Series对象整体转为字符串，该转换结果会默认携带行索引标识（即你看到的前缀0），后续拆分操作是作用于这个全局字符串，而非逐行处理每个单元格的内容，因此所有行的value列都取到了错误的全局拆分结果。

以下是几种常用的正确实现方式：

• 方法1（最推荐，向量化处理性能最优）：使用pandas专属的.str字符串访问器逐行处理

df['value'] = df['name'].str.split('_').str[0]

.str接口会将拆分操作作用于每个单元格的字符串内容，拆分后取第一个元素即可得到下划线前的字符。

• 方法2（适用于自定义复杂逻辑场景）：使用apply逐行处理

df['value'] = df['name'].apply(lambda x: x.split('_')[0])

通过lambda函数对每行的name值单独做拆分处理，拿到第一个元素赋值。

• 方法3（正则提取，适合格式校验场景）：用正则匹配提取下划线前的内容

df['value'] = df['name'].str.extract(r'^([^_]+)', expand=False)

正则^([^_]+)会匹配字符串开头到第一个下划线之间的所有字符，expand=False参数直接返回Series对象，可直接赋值。

以上任意方法运行后，你得到的value列都会是无多余前缀的BC。

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