使用正则表达式识别并复制Pandas DataFrame特定行求助

看起来你想要把DataFrame里的每行文本按特定规则拆分成多行，同时保留原行内容——这个需求完全可以用正则表达式结合Pandas的explode方法实现，我来一步步给你演示怎么做。

首先，我们先还原你的示例数据：

import pandas as pd

df = pd.DataFrame({
    'var1': [
        'House A and B',
        '2 garage + garden',
        'fridges'
    ]
})

接下来，我们需要写一个自定义函数，用来对每行的var1文本进行正则匹配和拆分，返回拆分后的元素列表。针对你给出的三种情况，我们分别处理：

import re

def split_text(text):
    # 处理房屋的情况：匹配"House X and Y"格式
    house_match = re.match(r'House (\w+) and (\w+)', text)
    if house_match:
        return [f'House {house_match.group(1)}', f'House {house_match.group(2)}']
    
    # 处理车库+花园的情况：匹配"数字 garage + garden"格式
    garage_garden_match = re.match(r'(\d+) garage \+ garden', text)
    if garage_garden_match:
        num_garages = int(garage_garden_match.group(1))
        # 根据数字生成对应数量的Garage项，再追加Garden
        garages = [f'Garage {i+1}' for i in range(num_garages)]
        garages.append('Garden')
        return garages
    
    # 处理冰箱的情况：匹配复数形式的"fridges"
    if text == 'fridges':
        return ['fridge 1', 'fridge 2']
    
    # 兜底：如果没有匹配到任何规则，返回原文本（可根据需求调整）
    return [text]

然后，我们给DataFrame新增一列var2，把每行的var1传入函数得到拆分后的列表，再用explode方法把列表展开成多行：

df['var2'] = df['var1'].apply(split_text)
result_df = df.explode('var2').reset_index(drop=True)

运行这段代码后，result_df就是你想要的结果：

一些补充说明： #

• 如果你的数据还有其他类似的文本模式，只需要在split_text函数里新增对应的正则匹配逻辑即可，扩展性很强。
• 正则表达式可以根据实际数据格式调整，比如如果房屋名称包含空格或特殊字符，可以把\w+改成更通用的\S+或者自定义字符集（比如[A-Za-z0-9 ]+）。
• 若处理超大数据集，apply效率可能偏低，可以考虑用pandas.str.extractall结合分组拼接的方式优化，但普通规模的数据用apply完全够用。

内容的提问来源于stack exchange，提问作者Toine_zg