如何拆分DataFrame列并统一分配列：适配含/无在线状态的用户数据

直接按<br>拆分后取索引的问题在于，两种格式的字段顺序不一致，靠位置取必然乱套。换个思路，把每个条目解析成键值对，不管有没有在线时间，都能精准提取对应字段：

具体实现步骤 #

1. 定义一个解析函数，把单条Userdata字符串转成字典，再提取需要的字段
2. 用apply把函数应用到整个列上，再展开成新的列

代码示例 #

import pandas as pd

# 构造示例数据
data = {
    'Userdata': [
        'Last online: 03H 17M<br>Level: 155<br>Followers: 89<br>Grenades: 447',
        'Level: 155<br>Followers: 89<br>Grenades: 447',
        'Last online: 12H 05M<br>Level: 200<br>Followers: 150<br>Grenades: 999'
    ]
}
df = pd.DataFrame(data)

# 定义解析函数
def parse_userdata(s):
    # 按<br>拆分每个条目，遍历生成键值对字典
    kv_pairs = {}
    for item in s.split('<br>'):
        key, value = item.split(': ', 1)  # 按": "拆分，只拆一次避免值里有冒号
        kv_pairs[key.strip()] = value.strip()
    
    # 提取对应字段，没有Last online就返回空字符串
    return pd.Series([
        kv_pairs.get('Last online', ''),
        kv_pairs.get('Level', ''),
        kv_pairs.get('Followers', ''),
        kv_pairs.get('Grenades', '')
    ])

# 应用函数并生成新列
df[['LastOnline', 'Level', 'Followers', 'Grenades']] = df['Userdata'].apply(parse_userdata)

# 查看结果
print(df)

效果说明 #

运行后会生成4个新列：

• LastOnline：有在线时间就显示类似03H 17M，没有就为空字符串
• Level：固定提取等级数值（比如155）
• Followers：固定提取粉丝数（比如89）
• Grenades：固定提取手雷数（比如447）

这种方法不依赖字段的顺序，哪怕以后Userdata里的字段顺序变了，只要键名不变，依然能准确提取数据，比按索引拆分靠谱多了。

内容的提问来源于stack exchange，提问作者RobbertK