如何用Pandas提取字符间子串，将单列键值文本拆分为多列？

方法1：正则表达式批量提取（推荐） #

直接用str.extract配合捕获组，一次性提取所有目标列，无需依赖固定长度：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'Value_column': ['Car:"Ford",Colour:"Black", Price:2000, ']
})

# 正则匹配，捕获每个键对应的取值
df[['Car', 'Colour', 'Price']] = df['Value_column'].str.extract(
    r'Car:"(.*?)",Colour:"(.*?)", Price:(\d+),', expand=True
)

# 查看结果
print(df[['Car', 'Colour', 'Price']])

输出：

Car Colour Price
0  Ford  Black  2000

正则说明：(.*?)是非贪婪匹配，会精准捕获到下一个分隔符前的内容；(\d+)专门匹配数字类型的Price值，避免多余字符。

方法2：转字典后展开 #

如果文本格式接近字典结构，可以先清洗字符串再转成字典，再拆分列：

import pandas as pd
import ast

# 清洗字符串：去掉末尾多余的逗号，把Price的数字转为字符串格式（符合字典语法）
df['cleaned'] = df['Value_column'].str.rstrip(', ').replace(r'Price:(\d+)', r'Price:"\1"', regex=True)

# 转成字典
df['dict_col'] = df['cleaned'].apply(ast.literal_eval)

# 展开字典为列
df = pd.concat([df, df['dict_col'].apply(pd.Series)], axis=1)

# 提取目标列
print(df[['Car', 'Colour', 'Price']])

这种方法扩展性更强，如果后续新增键值对，无需修改正则，只要格式符合字典规则即可。

原有方法的局限性 #

你之前通过固定截取长度的方式只适用于已知取值长度的场景，一旦文本内容变化（比如Car是"Toyota"，长度6），代码就会失效。上面两种方法都是基于内容匹配而非固定位置，能适配不同长度的取值。

内容的提问来源于stack exchange，提问作者fred.schwartz