Python正则表达式提取子串：Pandas列特定字段提取失败问题

你的问题出在正则表达式的匹配要求上——原表达式r"\w*-NY-(.*?)-\w*"强制要求提取的内容后面必须跟着-和一组单词字符，但LOD-NY-RMK在RMK之后没有这部分内容，导致匹配失败返回NaN。下面给你两种高效的解决思路：

方法1：修改正则表达式（更灵活） #

把正则改成匹配NY-之后到下一个-或字符串结尾的内容，这样不管后面有没有后续部分都能正确提取：

df['new_column'] = df['column'].str.extract(r"\w*-NY-([^-]+)", expand=False)

这里[^-]+表示匹配除了-之外的任意字符，直到遇到-或者字符串结束，完美覆盖两种格式的字符串。

或者也可以保留原结构，把后面的-\w*设为可选（用?标记非捕获组）：

df['new_column'] = df['column'].str.extract(r"\w*-NY-(.*?)(?:-\w*)?", expand=False)

(?:-\w*)?表示这部分是可选的，匹配不到也不会影响前面的提取。

方法2：字符串分割（更简单） #

因为你的所有字符串都是固定用-分隔，且目标内容是分割后的第3个元素（索引从0开始），直接用split更直观：

df['new_column'] = df['column'].str.split('-').str[2]

这种方法不需要正则，代码更简洁，对于这种固定格式的字符串效率也更高。

验证结果 #

两种方法运行后，new_column的结果都会是：

0     EP
1     EC
2     EC
3    LSM
4     PM
5     PM
6    RMK
7     EC
Name: new_column, dtype: object

内容的提问来源于stack exchange，提问作者Baktaawar