使用pandas与正则提取逗号前内容返回NaN的解决方法

问题原因 #

你写的正则表达式存在两处错误，导致匹配全失败返回NaN：

1. 字符匹配规则错误：w不是合法的元字符，即使补全为\w也只能匹配字母、数字、下划线，无法匹配地点名称里的连字符-、法语带音符特殊字符（如é、Î等）
2. 匹配逻辑错误：你没有指定匹配从开头到第一个逗号前的所有内容，也没有做捕获逻辑的适配。

解决代码 #

有两种常用的实现方式，都可以达到你的预期效果：

方式1：正则提取（推荐，性能更高）

# ^([^,]+), 表示匹配字符串开头到第一个逗号前的所有非逗号字符，没有逗号的场景返回NaN，再填充为空字符串
df['redux'] = df['location'].str.extract(r'^([^,]+),', expand=False).fillna('')

方式2：字符串分割判断（逻辑更直观）

# 按逗号分割后判断是否存在逗号，存在则取第一个元素，否则返回空
df['redux'] = df['location'].apply(lambda x: x.split(',')[0] if ',' in x else '')

运行两种代码的输出都和你预期的结果完全一致。

内容的提问来源于stack exchange，提问作者Alexis