Power BI中使用Python RegEx提取字段颜色值结果异常如何解决？

问题根源 #

• 你没有对数据集逐行判断，而是直接把整列CouldContainColor（pandas Series对象）转成了字符串进行匹配：str(dataset["CouldContainColor"])输出的是整列的打印预览文本，本身就包含helloyellow这个值，所以re.search永远会返回匹配结果，最终整列都被赋值为Yellow。
• 替换为re.match后无匹配，是因为re.match要求从字符串开头匹配，整列转成的字符串开头是索引或者列名标识，不可能以yellow开头，所以永远返回无匹配。
• 此外你直接给dataset["Color"]赋值标量值，会直接把整列都设为同一个值，本身就没有逐行映射的效果。

修复方案 #

方案1：仅判断是否包含黄色（符合你当前的测试需求） #

直接用pandas内置的字符串方法，不需要手动调用re库，代码更简洁：

dataset["Color"] = dataset["CouldContainColor"].str.contains("yellow", case=False).map({True: "Yellow", False: "Not Yellow"})

其中case=False代表忽略大小写匹配，如果要求严格区分大小写可以去掉这个参数。

方案2：通用多颜色提取（适配后续多颜色识别需求） #

如果你后续还要识别紫色、绿色、黑色等其他颜色，直接维护一个颜色列表即可，不需要写大量if/else判断：

# 维护所有需要识别的颜色列表
color_list = ["yellow", "purple", "blue", "green", "black"]
# 构建匹配正则
pattern = "|".join(color_list)

# 逐行提取第一个匹配到的颜色，没有匹配则返回Not Found
dataset["Color"] = dataset["CouldContainColor"].str.extract(f"({pattern})", expand=False).fillna("Not Found")

运行上述代码后输出结果和你预期完全一致。

内容的提问来源于stack exchange，提问作者eniesee