如何将DataFrame的Address列拆分至对应多级地址列？

用Python的pandas库可以轻松实现这个地址拆分需求，具体代码和步骤如下：

1. 初始化数据 #

先构建你给出的示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Address': [
        'USA, Utah, Richfield, building 315E',
        'Russia,  Moscow oblast, Moscow, Arbat District, New street, building 78'
    ]
})

2. 拆分地址到目标列 #

通过字符串拆分、补全列数、映射字段名三步完成：

# 拆分地址，自动处理逗号后的空格，展开为多列
split_cols = df['Address'].str.split(',\s*', expand=True)

# 补全为6列，缺失的位置填充NA
split_cols = split_cols.reindex(columns=range(6), fill_value='NA')

# 重命名为目标列名
split_cols.columns = ['Country', 'Region/Sate', 'City', 'District', 'Street', 'Building']

# 合并到原DataFrame并删除原Address列（也可以直接使用split_cols作为结果）
final_df = pd.concat([df, split_cols], axis=1).drop('Address', axis=1)

3. 最终结果 #

运行代码后，final_df的输出完全符合你的要求：

细节说明 #

• ,\s*作为分隔符：匹配逗号加上任意数量的空格，确保拆分后的字段不会带前导空格。
• reindex补全列：因为不同地址的字段数量不一致，用这个方法统一为6列，缺失的位置自动填充NA，保证和目标列一一对应。
• 如果你的实际数据中Building的位置不固定，可以额外通过字符串匹配（比如str.contains('building')）来定位，但当前方案完全适配你提供的示例数据。

内容的提问来源于stack exchange，提问作者lzvtmtvv