使用pandas/.str.extract与正则表达式提取子字符串

嗨，我来帮你搞定这个提取需求！你的字符串结构很清晰：开头是浮点百分比，接着是可变长度的目标文本（比如Test1 Test2 Test3），最后是XYZ/ZYX标识加日期。咱们用str.extract配合正则表达式就能精准提取中间的内容。

步骤1：先构造一个示例DataFrame方便测试 #

import pandas as pd

data = {'col': ['1.23% Test1 Test2 Test3 XYZ Oct 2018', 
                '4.56% Hello World ZYX Nov 2020',
                '7.89% A B C XYZ Dec 2019']}
df = pd.DataFrame(data)

步骤2：编写正则表达式提取目标内容 #

核心思路是锁定目标文本的前后边界：

• 前边界：开头的百分比格式（比如x.xx%），用正则^\d+\.\d+%匹配
• 后边界：XYZ或ZYX三位标识，用(XYZ|ZYX)匹配
• 中间的目标文本：用非贪婪匹配.*?抓出两个边界之间的内容（非贪婪是为了避免把后面的日期也误抓进来）

具体代码如下：

# 提取百分比和XYZ/ZYX之间的所有内容
df['extracted'] = df['col'].str.extract(r'^\d+\.\d+%\s+(.*?)\s+(XYZ|ZYX)', expand=False)[0]
# 去除首尾多余空格（可选，根据你的需求调整）
df['extracted'] = df['extracted'].str.strip()

运行后你会得到：

进阶：如果要把Test1/Test2/Test3拆分成单独列 #

如果需要把提取到的多个子串拆成独立列，直接用str.split就行：

df[['part1', 'part2', 'part3']] = df['extracted'].str.split(expand=True)

这样就能得到拆分后的多列数据啦！

内容的提问来源于stack exchange，提问作者rubs90