如何提取DataFrame列字符串下划线中间段并拼接末尾数字

你可以结合pandas的字符串提取方法str.extract和正则表达式一步完成处理，不会影响其余列的内容，具体实现如下：

完整代码 #

import pandas as pd
import re

# 构造示例数据（你实际使用时替换为自己的df即可）
df = pd.DataFrame({
    'col1': ['a_bu1', 'a_lap_aa1', 'a_lap_aa2', 'h_bb_led1'],
    'col2': ['dd', 'd', 'd', 'dd']
})

# 核心处理逻辑
df['col1'] = df['col1'].str.extract(r'^[^_]+_([a-zA-Z]+).*?(\d+)$').agg(''.join, axis=1)

# 输出结果
print(df)

代码说明 #

• 正则表达式规则拆分：
  • ^[^_]+_：匹配字符串开头到第一个下划线（包含下划线）的所有内容，直接过滤丢弃
  • ([a-zA-Z]+)：第一个捕获组，提取第一个下划线后连续的英文字母，即你需要保留的中间段内容
  • .*?(\d+)$：跳过中间任意字符，提取字符串末尾的连续数字作为第二个捕获组
• str.extract会将两个捕获组返回为两列，再用agg(''.join, axis=1)按行拼接两组内容，直接覆盖原col1列，其余列保持不变。

输出结果 #

col1 col2
0  bu1   dd
1 lap1    d
2 lap2    d
3  bb1   dd

内容的提问来源于stack exchange，提问作者Lynn