如何提取pandas字符串列的前导分数并去除无关后缀内容

你之前使用的rstrip方法无法实现需求，原因是rstrip的入参是待删除的字符集合，而非正则匹配规则：你传入的' .*'只会删除字符串末尾的空格、点、星号三类字符，无法匹配+、字母、括号等需要移除的后缀内容。

最优实现方案 #

直接使用pandas内置的矢量化字符串正则提取方法str.extract()，不需要通过apply遍历，执行效率更高：

# 提取开头的「数字/数字」格式分数，再去重
result = df['colname'].str.extract(r'^(\d+/\d+)', expand=False).unique()

正则规则说明 #

• ^：锚定匹配字符串的开头，确保只抓取最靠前的分数部分
• \d+：匹配1个及以上的数字
• /：匹配分数中间的斜杠
• 括号()：标记我们需要提取的捕获组
• expand=False：指定返回Series而非DataFrame，方便后续直接调用unique()去重

对你给出的测试样本执行以上代码，输出结果和你预期完全一致：
['20/25' '9/200' '20/50' '20/30' '20/60' '20/20' '20/70']

内容的提问来源于stack exchange，提问作者Kaihua Hou