如何删除Pandas DataFrame中case_id列第三个连字符及之后的内容

方案1：字符串拆分拼接（可读性高，易理解） #

直接按-拆分字符串后取前3段重新拼接即可，代码如下：

# 拆分后取前3个片段，再用-拼接
df['case_id'] = df['case_id'].str.split('-', n=3).str[:3].str.join('-')

说明：split方法加n=3参数限制最多拆分3次，避免不必要的性能损耗，即使字符串中-数量多于3个也能正常处理。

方案2：正则替换（性能更优） #

通过正则匹配直接替换第三个-及之后的所有内容为空：

df['case_id'] = df['case_id'].str.replace(r'^((?:[^-]+-){2}[^-]+)-.*$', r'\1', regex=True)

正则说明：捕获组((?:[^-]+-){2}[^-]+)匹配前三个由-分隔的片段，后续-.*匹配第三个-及之后的全部内容，最终替换为捕获组的内容即可得到目标结果。

测试验证 #

你可以用以下代码构造示例数据验证效果：

import pandas as pd

# 构造示例数据
data = {
    'case_id': ['TCGA-3A-01-03-9441', 'TCGA-9C-01-04-9641', 'TCGA-1E-01-05-9471'],
    'unit': [27, 15, 6]
}
df = pd.DataFrame(data)

# 执行处理（用上述任意一种方案即可）
df['case_id'] = df['case_id'].str.split('-', n=3).str[:3].str.join('-')

# 输出结果
print(df)

运行后输出结果和期望的完全一致：

case_id  unit
0  TCGA-3A-01    27
1  TCGA-9C-01    15
2  TCGA-1E-01     6

内容的提问来源于stack exchange，提问作者aurelius_37809