如何将DataFrame中5或6位字符串列拆分为3-2或3-3的两列

方法1：直接字符串切片（高效简洁） #

核心逻辑：不管原字符串是5位还是6位，前3位统一拆分到第一列，从第4位开始的剩余部分拆分到第二列，刚好匹配你的需求：

• 5位字符串：str[:3]取前3位，str[3:]取后2位
• 6位字符串：str[:3]取前3位，str[3:]取后3位

代码示例：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'code': ['12345', '456789', '78901', '123456']})

# 先将列转为字符串类型（若原列是数字类型必须做这一步）
df['code'] = df['code'].astype(str)

# 拆分生成新列
df['col1'] = df['code'].str[:3]
df['col2'] = df['code'].str[3:]

执行后结果：

code col1 col2
0   12345  123   45
1  456789  456  789
2   78901  789   01
3  123456  123  456

方法2：正则表达式提取（更灵活） #

如果后续需要适配更多长度规则，用正则提取更方便，匹配开头3位数字+结尾2-3位数字的模式：

import pandas as pd

df = pd.DataFrame({'code': ['12345', '456789', '78901', '123456']})

# 直接拆分并生成两列
df[['col1', 'col2']] = df['code'].astype(str).str.extract(r'^(\d{3})(\d{2,3})$')

注意事项 #

• 必须确保原列是字符串类型，否则无法使用.str相关方法；如果原列是数值类型，一定要先通过astype(str)转换。
• 如果数据中存在非5/6位的字符串，需要先过滤（比如df = df[df['code'].str.len().isin([5,6])]），避免拆分出空值或不符合预期的结果。

内容的提问来源于stack exchange，提问作者datagolfer