Pandas使用正则extract提取KV关联值生成多列如何解决

问题原因 #

你当前得到多列输出的核心原因是正则表达式中使用了2个独立的捕获组，pandas.Series.str.extract() 方法会为每个捕获组单独返回一列，因此对应不同模式的匹配结果会拆分到不同列，空缺位置填充NaN。

解决方法 #

方法1：优化正则表达式（推荐）

将两个匹配逻辑合并为单个捕获组，用非捕获组（加?:前缀）来包装可选的匹配规则，避免生成多余列：

# 单个捕获组适配整数/小数、带空格/不带空格的KV前缀匹配
df1['col1'].str.extract(r'(\d+(?:\.\d+)?\s?KV)')

正则规则说明：

• \d+：匹配整数部分
• (?:\.\d+)?：非捕获组，匹配可选的小数部分，?:表示该组不单独生成返回列
• \s?：匹配0或1个空格，适配KV前带空格和不带空格的场景
• KV：匹配固定后缀

方法2：不修改原有正则，合并返回列

如果不想调整正则，可以对返回的多列结果做合并，取每行的非空值即可：

# 先按原有逻辑提取
res = df1['col1'].str.extract(r'(\d*\.\d+\sKV)|(\d+\sKV)')
# 横向填充空值后取第一列
res = res.bfill(axis=1).iloc[:, [0]]

两种方法都可以得到你期望的单列匹配结果。

内容的提问来源于stack exchange，提问作者Zanam