从字符串提取q后连续数字及百万行DataFrame高效处理问题

针对你的两个问题，我整理了高效且精准的处理方案：

1. 提取q后紧跟的连续数字 #

要精准捕获q之后的连续数字（直到遇到非数字字符停止），可以用正则表达式配合pandas的str.extract方法。这里用到的正则是r'q(\d+)'，拆解一下：

• q：匹配固定字母q
• (\d+)：捕获一个或多个连续的数字（这部分就是我们需要提取的内容）

str.extract会自动提取捕获组的内容，没有匹配到q的行会返回NaN，后续我们再把这些空值转为0即可。

2. 高效处理百万行数据 #

你原来的for循环在百万行数据上会非常低效——Python层面的逐行循环开销极大。而pandas的字符串方法都是矢量化操作（底层用C实现批量处理），效率能提升几个数量级，同时代码更简洁易读。

完整代码 #

# 提取q后的连续数字，无匹配则返回NaN
df['AmountPaid'] = df['Product'].str.extract(r'q(\d+)', expand=False)
# 将空值替换为0，并转换为整数类型
df['AmountPaid'] = df['AmountPaid'].fillna(0).astype(int)

效果验证 #

运行后你的DataFrame会完全符合预期：

效率优势说明 #

• 矢量化操作一次性处理整列数据，避免了Python循环的逐行判断开销
• 代码逻辑更清晰，减少了手动循环可能出现的索引错误或性能瓶颈

内容的提问来源于stack exchange，提问作者alinpaca