Pandas DataFrame按正则匹配提取字符串前两位的代码失效问题

1. 条件判断逻辑错误 #

你写的if df["ccv"].item == True:存在两个核心问题：

• pandas的Series对象不存在item属性，你访问的是不存在的属性，返回值恒为None，None == True永远为假，所以if块内的代码从未执行，自然不会生成目标列。
• 普通if判断是对整个Series做全局判断，无法逐行处理5万多行的表格数据，必须用pandas向量化操作实现逐行条件判断。

2. ccv列全为False的原因 #

• 你当前提供的样本数据本身不符合规则：比如Olr的首字符O、AG@的首字符A都不在你定义的第一字符集合[ptkbdgG_fvsSxzZhmnNJlrwj]范围内，匹配失败属于正常情况。
• 正则匹配逻辑有缺陷：str.contains默认匹配任意子串，你没有强制匹配整个3位字符的结构，同时没有处理ITEM长度不足3的异常情况，容易出现误判。

修正后代码 #

import pandas as pd
import numpy as np

# 提取前三位字符
df['first_three_symbols'] = df['ITEM'].str[0:3]

# 修正正则匹配：加^$锚定整串匹配，加na=False处理长度不足3的情况
pattern = r'^[ptkbdgG_fvsSxzZhmnNJlrwj]{2}[IEAOYye|aouKLM@)3*<!(#0~q^LMOEK]$'
df["ccv"] = df["first_three_symbols"].str.contains(pattern, na=False)

# 向量化条件赋值生成目标列，不符合条件的位置填充空值
df['first_two_symbols'] = np.where(df['ccv'], df['ITEM'].str[0:2], pd.NA)

可选简化方案 #

如果你不需要保留中间列，可以直接一步生成目标列：

# 用正则捕获组直接提取符合要求的前两位字符
pattern = r'^([ptkbdgG_fvsSxzZhmnNJlrwj]{2})[IEAOYye|aouKLM@)3*<!(#0~q^LMOEK]'
df['first_two_symbols'] = df['ITEM'].str.extract(pattern, expand=False)

该写法会自动把匹配到的前两位提取出来，未匹配的位置自动填充NaN，不需要额外写条件判断。

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