Pandas DataFrame字符串列匹配数字自增1的报错处理与功能实现

问题核心原因 #

你报错的本质是re.search匹配失败返回None时，直接执行[0]下标操作触发异常，不用手动写遍历判断，用Pandas原生的字符串处理方法更简洁，还能自动处理不匹配的空值。

最简实现方案 #

1. 依赖导入 #

import pandas as pd
import re

2. 全流程逻辑代码 #

完全适配「仅部分行带#数字」的场景，不会触发None报错，且只会修改带#的行：

# 你的原始数据
data = {'ID': [1,2,3,4],
        'Name': ['BN #1', 'HHC', 'A comp', 'B Comp']}
df = pd.DataFrame(data)

# 提取#后的数字，不匹配的自动返回NaN，无报错
df['SysNum'] = df['Name'].str.extract(r'(?<=#)(\d+)').astype(float)

# 计算新编号：当前最大编号+1，无匹配时默认从1开始
max_num = df['SysNum'].max()
new_num = int(max_num + 1) if pd.notna(max_num) else 1

# 复制生成新表
df_new = df.copy()

# 仅修改带#的行的Name字段，其余行保持原样
mask = df_new['SysNum'].notna()
df_new.loc[mask, 'Name'] = df_new.loc[mask, 'Name'].str.replace(r'(?<=#)\d+', str(new_num), regex=True)

# 延续原表ID编号
df_new['ID'] = range(df['ID'].max() + 1, df['ID'].max() + 1 + len(df_new))

# 拼接新老表，删除辅助列
df_final = pd.concat([df, df_new], ignore_index=True).drop('SysNum', axis=1)

3. 输出结果验证 #

运行后df_final和你期望的结构完全一致：

原代码优化说明 #

• 用str.extract代替手动正则循环，自动处理不匹配空值，完全避免None类型报错
• 布尔掩码mask精准控制仅修改带#的行，其余行不会被强制追加数字后缀
• 自动兼容无任何#数字匹配的边界场景，默认从1开始编号
• 无需额外生成BaseName辅助列，逻辑更简洁

内容的提问来源于stack exchange，提问作者JakeP