Pandas 如何提取列开头首个数字生成新列并移除原列对应数字

问题根因 #

之前的实现存在两个匹配逻辑的问题：

• 提取数字时没有锚定字符串的起始位置，正则会全局扫描字符串找第一个出现的数字，导致像"third 3"这类开头为字母的字符串，会错误匹配到末尾的数字3
• 直接全局替换数字会无差别删掉字符串中所有位置的数字，无法精准定位需要移除的开头数字，误删需要保留的其他位置数字

分步骤实现 #

• 首先导入依赖并构造原始测试DataFrame

  import pandas as pd
  data = {"col1" : ["1 first 1", "2 second 2", "third 3", "4 fourth 4"]}
  df = pd.DataFrame(data)
  

• 修正数字提取逻辑：在正则中加入^锚定字符串绝对起始位置，仅提取开头位置的数字，无匹配时自动返回NaN

  # 提取仅位于字符串起始位置的单个数字
  df["index"] = df["col1"].str.extract(r'^(\d)')
  

  这一步执行后，third 3因为开头无数字，对应index列会正确返回NaN，不再错误提取末尾的3。
• 精准移除col1中被提取的开头数字：同样用^锚定匹配范围，仅删除字符串最开头的数字以及数字后面紧跟的空白字符，完全保留其他位置的内容和数字

  # 只替换字符串开头的数字及后续空白，不影响其他位置内容
  df["col1"] = df["col1"].str.replace(r'^\d\s*', '', regex=True)
  

最终运行结果 #

执行完上述代码后，输出的DataFrame完全符合预期：

col1  index
0   first 1    1
1  second 2    2
2    third 3    NaN
3  fourth 4    4

关键注意事项 #

• 正则中的^是核心锚点，没有这个标识的话，匹配逻辑会变成全字符串扫描，出现位置误判
• 替换操作必须和提取操作的位置规则保持一致，不能全局替换数字，否则会把字符串末尾、中间需要保留的数字全部误删

内容的提问来源于stack exchange，提问作者Ailurophile