本文介绍了如何使用 Python Pandas 库，根据特定分隔符（' - '）以及分隔符后的全大写字符串，将 DataFrame 中的某一列拆分为两列。通过使用正则表达式和 str.extract 方法，可以高效地实现这一目标，并处理各种复杂的字符串组合。
Pandas 提供了强大的字符串处理功能，其中 str.extract 方法结合正则表达式，能够灵活地从字符串中提取所需信息。以下是如何根据最后一个 ' - ' 分隔符（且后面跟随全大写字符串）来拆分 Pandas DataFrame 中的列的详细步骤。
1. 准备工作
首先，确保你已经安装了 Pandas 库。如果没有安装，可以使用 pip 进行安装：
立即学习“Python免费学习笔记（深入）”；
pip install pandas
导入 Pandas 库：
import pandas as pd
2. 创建示例 DataFrame
创建一个包含需要拆分字符串的 DataFrame。例如：
df = pd.DataFrame({
'Value': ['Juan-Diva - HOLLS', 'Carlos - George - ESTE BAN - BOM', 'Javier Plain - Hotham Ham - ALPINE', 'Yul - KONJ KOL MON'],
})3. 使用 str.extract 和正则表达式拆分列
使用 str.extract 方法和正则表达式，从 Value 列中提取所需的部分。正则表达式 r'(.*?)\s*-\s*([A-Z]+(?:\s*-?\s*[A-Z]+)*)$' 的含义如下：
- (.*?): 匹配任意字符（非贪婪模式），并将其捕获到第一个分组中。
- \s*-\s*: 匹配 ' - ' 分隔符，允许分隔符前后有任意数量的空格。
- ([A-Z]+(?:\s*-?\s*[A-Z]+)*): 匹配由全大写字母组成的字符串，并将其捕获到第二个分组中。
- [A-Z]+: 匹配一个或多个大写字母。
- (?:\s*-?\s*[A-Z]+)*: 非捕获分组，匹配零个或多个由空格、可选的连字符和空格分隔的大写字母序列。
- $: 匹配字符串的结尾，确保匹配的是字符串末尾的全大写字符串。
完整的代码如下：
import pandas as pd
df = pd.DataFrame({
'Value': ['Juan-Diva - HOLLS', 'Carlos - George - ESTE BAN - BOM', 'Javier Plain - Hotham Ham - ALPINE', 'Yul - KONJ KOL MON'],
})
df[["First", "Last"]] = df["Value"].str.extract(r'(.*?)\s*-\s*([A-Z]+(?:\s*-?\s*[A-Z]+)*)$')
print(df)4. 结果
运行以上代码，将会得到如下结果：
Value First Last 0 Juan-Diva - HOLLS Juan-Diva HOLLS 1 Carlos - George - ESTE BAN - BOM Carlos - George ESTE BAN - BOM 2 Javier Plain - Hotham Ham - ALPINE Javier Plain - Hotham Ham ALPINE 3 Yul - KONJ KOL MON Yul KONJ KOL MON
注意事项：
- 确保正则表达式能够准确匹配你的数据。根据实际情况调整正则表达式。
- str.extract 方法返回的是 DataFrame，可以直接赋值给新的列。
- 如果某些行没有匹配到正则表达式，对应的列将会填充 NaN 值。可以使用 fillna 方法填充缺失值。
总结
通过结合 Pandas 的 str.extract 方法和正则表达式，可以灵活地处理各种复杂的字符串拆分需求。 本教程提供了一个具体的示例，展示了如何根据特定的分隔符和全大写字符串来拆分列。掌握这些技巧，可以更高效地处理和清洗数据，为后续的分析和建模奠定基础。
