如何在Polars数据框中提取首个匹配的正则模式作为新列

你好呀～你之前用str.contains得到布尔值是正常的，因为这个方法本来就是用来判断字符串是否包含指定模式的，而不是提取匹配的内容。要实现你想要的“提取首个匹配的正则模式”的需求，Polars里有个专门的方法——str.extract，正好能解决这个问题！

直接上代码示例，你可以这样写：

import polars as pl

df = pl.DataFrame({"col": ["row1", "row2", "row3"]})
# 使用str.extract提取首个匹配的模式
result = df.with_columns(new=pl.col('col').str.extract(r"1|2"))
print(result)

运行这段代码后，你就能得到想要的输出：

shape: (3, 2)
┌──────┬───────┐
│ col  ┆ new   │
│ ---  ┆ ---   │
│ str  ┆ str   │
╞══════╪═══════╡
│ row1 ┆ 1     │
│ row2 ┆ 2     │
│ row3 ┆ null  │
└──────┴───────┘

简单解释一下：

• str.extract会在每个字符串中查找正则表达式的首个匹配项，返回匹配到的内容；
• 如果没有找到任何匹配，就会返回null，完美符合你对row3的预期；
• 如果你需要提取正则里的特定捕获组，还可以通过group参数指定（比如你的正则是row(\d)，就可以用group=1来提取括号里的数字），不过在你的场景下，直接用1|2这种模式就足够了。

备注：内容来源于stack exchange，提问作者user459872