如何从Pandas Series中提取指定尺码子串？求助解决提取失败问题

我明白你被困在这件事上好几个小时有多闹心，咱们一起来搞定它！先看看你之前的方法为啥没生效，再给你靠谱的解决方案。

为啥你的两种方法没成功？ #

• 第一种列表推导式：你用了if i in sizes，但这只有当size_col里的元素完全等于S/M/L/XL时才会匹配。但从你第二种方法的split操作来看，你的元素应该是类似"XXL / L"或者"T-Shirt - M"这种包含尺码的长字符串，所以直接匹配肯定找不到。
• 第二种分支循环：你靠长度判断和固定分隔符（/或-）来提取，但这种方法太依赖固定格式——如果有的元素格式不统一（比如没有分隔符、分隔符是其他符号，或者长度判断错了），提取结果就会出错。

更靠谱的解决方案：用正则表达式精准提取 #

因为尺码都是固定的大写字母（S/M/L/XL），用正则表达式可以精准定位这些字符，不管元素的其他格式是什么。这里用pandas的字符串处理方法，比循环高效得多（毕竟你有887个元素）：

情况1：每个元素只包含一个尺码

import pandas as pd
import re

# 定义匹配尺码的正则：匹配独立的S/M/L/XL，避免误匹配XXL里的XL
size_pattern = r'\b(S|M|L|XL)\b'
# 从Series中提取匹配的尺码，dropna去掉没有匹配到的行
tshirt_sizes = size_col.str.extract(size_pattern, expand=False).dropna()

情况2：每个元素可能包含多个尺码（比如"S / M"）

如果有的元素里有多个尺码，想要把它们都提取出来，可以用str.findall配合explode：

# 提取所有匹配的尺码，explode把列表拆成单独的元素行
tshirt_sizes = size_col.str.findall(size_pattern).explode().dropna()

小建议 #

如果还是有问题，先打印几个样本看看元素的真实格式：

print(size_col.head(10))

根据样本调整正则表达式，比如如果有的尺码前后有空格，正则可以改成r'\s*(S|M|L|XL)\s*'，或者如果有小写的情况，加上忽略大小写标志re.IGNORECASE。

内容的提问来源于stack exchange，提问作者sanna