如何在Pandas中从指定列提取字符串片段？代码问题排查

错误原因 #

你的代码核心问题是循环中直接给整列赋值，而非对应行的单元格：

for ict in df['ict_name']:
    if len(ict.split('-')) > 1:
        df['ict_state'] = ict.split('-')[1]  # 此处是给整列赋值，而非当前行
    else:
        df['ict_state'] = 'nan'

每次循环都会把df['ict_state']的所有行替换成当前循环元素的处理结果，最终整个列会被最后一次循环的结果（也就是最后一行的sp）完全覆盖，所以所有行的ict_state都变成了sp。

正确解法 #

推荐两种更高效、符合pandas风格的写法：

方法1：使用apply逐元素处理

通过apply对ict_name列的每个元素单独处理，避免整列覆盖：

import pandas as pd

matrix_entrada = [
    (1, 'ictX'),
    (2, 'ict - rio - estudos nucleares'),
    (3, 'ict - ba - laboratorio IA'),
    (4, 'ict132 - sp')]
df = pd.DataFrame(matrix_entrada, columns=['id', 'ict_name'])

# 用lambda函数处理每个字符串，strip()去除前后空格，无分隔符时返回pd.NA（规范的缺失值）
df['ict_state'] = df['ict_name'].apply(lambda x: x.split('-')[1].strip() if len(x.split('-')) > 1 else pd.NA)

print(df)

方法2：使用pandas字符串处理方法（更高效）

利用pandas内置的str方法链，专门处理字符串列，性能比循环/apply更好：

import pandas as pd

matrix_entrada = [
    (1, 'ictX'),
    (2, 'ict - rio - estudos nucleares'),
    (3, 'ict - ba - laboratorio IA'),
    (4, 'ict132 - sp')]
df = pd.DataFrame(matrix_entrada, columns=['id', 'ict_name'])

# 只分割第1个'-'，取分割后的第二部分，再去除前后空格
df['ict_state'] = df['ict_name'].str.split('-', n=1).str[1].str.strip()

print(df)

正确输出 #

id                        ict_name ict_state
0   1                            ictX      <NA>
1   2  ict - rio - estudos nucleares       rio
2   3      ict - ba - laboratorio IA        ba
3   4                    ict132 - sp        sp

补充说明 #

• 优先使用pandas的向量式操作（如str方法链），避免手动循环遍历DataFrame，既高效又能减少赋值错误。
• 用pd.NA代替字符串'nan'，符合pandas缺失值的规范，后续处理缺失值更方便。

内容的提问来源于stack exchange，提问作者Barbara Bressan Rocha