如何从DataFrame字符串列解析多组数据至独立列？正则匹配求助

核心正则表达式 #

使用以下正则可覆盖所有需求场景：

(\d+)\s*[xX]\s*(\d+)(.*)

各分组说明：

• (\d+)：捕获x/X左侧的连续数字
• \s*[xX]\s*：匹配小写x或大写X，两侧允许任意数量的空格（包括无空格的情况）
• (\d+)：捕获x/X右侧的连续数字
• (.*)：捕获右侧数字之后的所有剩余字符（无剩余则为空，后续可转为NaN）

输入输出示例 #

输入DataFrame：

输出DataFrame：

Pandas实现代码 #

import pandas as pd

# 构造输入数据
df = pd.DataFrame({
    'column_pattern': [
        '10x20',
        '5 X 15abc',
        '3x 45',
        'no_match_here',
        '100X300_def'
    ]
})

# 正则提取分组，不匹配的自动填充NaN
df[['col1', 'col2', 'col3']] = df['column_pattern'].str.extract(r'(\d+)\s*[xX]\s*(\d+)(.*)')

# 将col3的空字符串转为NaN（可选，根据需求调整）
df['col3'] = df['col3'].replace('', pd.NA)

print(df)

问题说明 #

你之前使用的\d+x\d+.*无法适配所有情况的原因：

1. 未匹配大写X
2. 未处理x/X两侧的空格（比如5 X 15abc这种带空格的场景会匹配失败）
3. 没有明确分组，无法直接拆分出三列

内容的提问来源于stack exchange，提问作者Raven Smith