如何将Google Sheets的REGEXEXTRACT公式转换为Pandas或re实现的Python代码

你需要的匹配规则是提取「连续大写字母+横杠+连续数字」的组合，直接使用Pandas内置的str.extract方法即可实现和Google Sheets完全一致的整列提取效果，该方法原生适配DataFrame列的矢量化操作，无需额外遍历。 #

正确实现代码 #

方案1：Pandas原生实现（优先推荐，性能最优） #

import pandas as pd

# 正则规则和你Google Sheets中使用的完全一致
# expand=False 控制返回Series格式，可直接赋值给新列
df["newcol"] = df["oldcol"].str.extract(r'([A-Z]+\-[0-9]+)', expand=False)

方案2：使用re库实现 #

如果需要自定义更复杂的匹配逻辑，可以配合apply调用re库实现：

import pandas as pd
import re

def regex_extract(text):
    # 匹配目标规则
    match_result = re.search(r'([A-Z]+\-[0-9]+)', str(text))
    # 匹配成功返回结果，失败返回空值
    return match_result.group(1) if match_result else None

df["newcol"] = df["oldcol"].apply(regex_extract)

原有代码报错原因 #

• 误用了re.sub方法：该方法是正则替换功能，不是提取功能，和你需要的REGEXEXTRACT逻辑不匹配
• 正则表达式没有用引号包裹，也没有加raw字符串标识r，会触发语法错误和转义异常
• 没有适配Pandas列的调用规则：不能直接对Series对象调用re库的方法，需要用Pandas内置的str类方法，或者通过apply包裹调用

内容的提问来源于stack exchange，提问作者msulol