基于最后一个后接全大写字符串的' - '拆分Pandas列

需求场景 #

需要将Pandas DataFrame的Value列，按**最后一个后接全大写字符串的' - '**分隔符拆分为First和Last两列。示例DataFrame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'],
   })

预期输出：

First            Last
0                  Juan-Diva           HOLLS
1            Carlos - George  ESTE BAN - BOM
2  Javier Plain - Hotham Ham          ALPINE
3                        Yul    KONJ KOL MON

最优高效解法 #

直接使用str.rsplit()从右侧按分隔符拆分1次，这是最简洁且高效的方案，完全符合预期结果：

df[["First", "Last"]] = df["Value"].str.rsplit(" - ", n=1, expand=True)

执行后即可得到完全匹配预期的First和Last列，且处理速度极快，哪怕是大规模数据集也能瞬间完成。

各尝试方法的问题分析 #

• Option1：
  第一次从左拆分1次会导致First列只取到第一个-前的内容（比如第二行First会是Carlos，而非预期的Carlos - George），同时Last列用split('- ').str[-1]会错误地提取最后一个- 后的片段（第二行Last会是BOM，而非完整的ESTE BAN - BOM），结果完全不符合要求。

• Option2：
  正则表达式r'^(.*) - ([A-Z\s]+)$中的[A-Z\s]+不包含横杠，无法匹配Last列中带-的全大写内容（比如ESTE BAN - BOM），会导致Last列提取不完整，最终结果错误。

• Option4：
  正则表达式过于复杂，使用了非贪婪匹配和嵌套分组，导致Pandas的字符串处理引擎效率极低，哪怕仅数百行数据也会出现严重性能问题，完全不具备实用性。

内容的提问来源于stack exchange，提问作者jonboy