一个网友的问题：‘总型号’列包含很多子型号的数据（个数不定），将子型号都提取出来并不在不同的列：从上图能看出来，总型号为有数字、符号和大写字母的组合，型号为大写字母，如果要提取肯定绕不开正则表达式，VBA和高阶函数都能写，VBA写完后，需要单独定义数组封装，函数写完后需要下拉，对于列数不固定的数据不是很方便，而使用Python-apply(lambda x: )直接将数据分组则简单很多。首先定义正则表达式：r'(\d+[A-Z]{2,3})'提取文本中大写英文字母2-3个字符；然后将提取的数据装入列表：apply(lambda x: [re.search(r'[A-Z]{2,3}$', item).group() for item in x] models_series = df['总型号'].str.findall(r'(\d+[A-Z]{2,3})').apply(
lambda x: [re.search(r'[A-Z]{2,3}$', item).group() for item in x] )
第二步 将提取出来的数据放入不同的列：
首先确定列表中型号最大的计数：
max_models = models_series.apply(len).max()
然后根据最大的计数增加型号列：
for i in range(max_models):
result[f'型号{i+1}'] = models_series.apply(
lambda x: x[i] if i < len(x) else ''
)
完整的代码如下：
看下效果：
数据完整的提取到不同的列中，如遇到几万行的数据Python将大大提高效率。
