如何从DataFrame字符串列中提取指定文本并生成新列

核心实现依赖pandas字符串方法str.extract配合正则匹配，操作如下：

核心代码 #

假设你的原始字符串列名为column1，DataFrame变量名为df：

# 提取方括号内内容，无匹配的行返回NaN
df['column2'] = df['column1'].str.extract(r'\[(.*?)\]')

# 可选：无匹配的行返回空字符串而非NaN
df['column2'] = df['column1'].str.extract(r'\[(.*?)\]').fillna('')

代码说明 #

• 正则表达式r'\[(.*?)\]逻辑：
  • \[、\]匹配字面量的左右方括号，避免正则语法冲突
  • (.*?)为非贪婪匹配，捕获两个方括号中间的所有内容，自动跳过无方括号的行

完整测试示例 #

import pandas as pd

# 构造符合你场景的测试数据
df = pd.DataFrame({
    'column1': ['All Unidades', 'Peter Lopez [QX1234]', 'Maria Garcia [AB7890]', 'Test content']
})

# 执行提取操作
df['column2'] = df['column1'].str.extract(r'\[(.*?)\]').fillna('')

print(df)

运行后输出结果：

column1 column2
0          All Unidades        
1  Peter Lopez [QX1234]  QX1234
2  Maria Garcia [AB7890] AB7890
3          Test content        

可选优化 #

如果方括号内的内容有固定格式（比如你示例里的2位大写字母+4位数字），可以用更精准的正则避免误匹配：

# 仅提取符合「2位大写字母+4位数字」规则的方括号内容
df['column2'] = df['column1'].str.extract(r'\[([A-Z]{2}\d{4})\]').fillna('')

内容的提问来源于stack exchange，提问作者Maite89