Python-Pandas：移除冗余字符串并拆分至两列的技术需求

问题场景 #

你有一列Pandas数据，每条记录格式如下：

John Doe\n \n\n \n\n \nBlack    
Jane Doe\r\n\n \r\n\n \r\n\n \r\nViolet

需要将其拆分为两列，分别存储姓名和最终的目标值，示例结果：

你尝试使用df['column'].str.replace('\(.*$', '')时，出现SyntaxError: unterminated string literal错误，以下是解决方案：

错误原因 #

你的代码出现语法错误是因为：

1. Python字符串中，单个\会被视为转义字符，直接写'\(.*$'会导致解析错误（\(被当作未完成的转义）；
2. 正则表达式逻辑不符合需求：\(是匹配左括号，但你的数据中不存在括号，无法正确匹配冗余内容。

解决方案 #

方法1：正则提取（推荐） #

利用str.extract直接提取姓名和目标值，正则匹配开头的姓名（由两个单词组成），跳过中间所有换行、空格等冗余内容，最后提取末尾的目标单词：

import pandas as pd

# 示例数据
data = {
    'column': [
        'John Doe\n \n\n \n\n \nBlack',
        'Jane Doe\r\n\n \r\n\n \r\n\n \r\nViolet'
    ]
}
df = pd.DataFrame(data)

# 提取两列
df[['Column A', 'Column B']] = df['column'].str.extract(r'^(\w+\s\w+)\s*[\n\r\s]+(\w+)$')

# 查看结果
print(df[['Column A', 'Column B']])

方法2：拆分后处理 #

先按换行符拆分字符串，取第一个元素作为姓名，取最后一个元素作为目标值（需清理空格）：

df['Column A'] = df['column'].str.split(r'[\n\r]').str[0].str.strip()
df['Column B'] = df['column'].str.split(r'[\n\r]').str[-1].str.strip()

这两种方法都能得到你需要的拆分结果。

内容的提问来源于stack exchange，提问作者Abdul-Kareem Abdul-Rahman