str.extract()提取单个匹配组需正则含捕获组，返回首匹配或nan；str.extractall()返回全部匹配的multiindex dataframe；str.contains()查任意位置，str.match()仅查开头。
用 str.extract() 提取单个匹配组
最常用也最直接的方式是 str.extract()，它要求正则表达式中至少有一个捕获组（即用圆括号 () 包裹的部分），否则会报错 ValueError: No groups to match。
比如从一列邮箱中提取用户名：
df['username'] = df['email'].str.extract(r'^(.+)@')
注意点：
-
^和$在str.extract()中不是必需的，因为默认只找第一个匹配；加了反而可能因边界限制漏匹配 - 如果某行没匹配上，结果为
NaN，不是空字符串 - 只返回第一个匹配项，即使字符串里有多个符合模式的子串
用 str.extractall() 拿到全部匹配结果
当一行里可能有多个目标片段（比如日志里多次出现 IP 地址），str.extract() 就不够用了，得换 str.extractall()。
它返回一个 MultiIndex 的 DataFrame，索引包含原始行号和匹配序号：
ips = df['log'].str.extractall(r'\b(?:[0-9]{1,3}\.){3}[0-9]{1,3}\b')
常见陷阱：
- 结果不是和原
df行数对齐的，不能直接赋值给新列；需用.unstack()或按需聚合 - 正则必须含捕获组，和
extract()一样 - 性能比
extract()低不少，大数据量时留意
str.contains() 和 str.match() 别混用
这两个都返回布尔值，但行为完全不同：
-
str.contains(r'error', case=False)：只要字符串任意位置含error就返回True -
str.match(r'ERROR.*')：等价于re.match()，只检查**开头是否匹配**，不加^也没用
典型误用：想筛选所有含数字的行，写了 df[df['text'].str.match(r'\d+')] —— 这只会选中「开头就是数字」的行。正确写法是 str.contains(r'\d')。
性能与编码细节不能忽略
正则在 Pandas 里是逐元素调用 Python 的 re 模块，本身不快。如果列很长，又频繁调用，容易卡住。
几个实际建议：
- 提前编译正则：用
re.compile(r'pattern')然后传给str.extract(pat=compiled_pattern)，避免重复编译 - 确保字符串列是
string类型（Pandas 1.0+ 推荐），而不是object，否则str方法可能隐式转类型，出错或变慢 - 遇到中文、emoji 等 Unicode 字符，正则里别漏
flags=re.U（不过 Pandas 默认已启用 Unicode 模式，多数情况不用显式加）
真正麻烦的是嵌套括号、非贪婪匹配和多行文本——这些地方正则稍有不慎就逻辑错位，而 Pandas 不报语法错误，只默默返回空或意外结果。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
