Python Pandas中str.split分割无分隔符内容时返回NaN的问题解决

嘿，这个问题我碰到过！你的核心问题是当Target Pool列只有单个年份时，str.split(' ', expand=True)生成的列数不够，导致赋值到两列时全变成NaN了。我给你两个靠谱的解决方案：

方案一：用正则表达式提取（推荐） #

正则表达式能精准匹配年份和可选的季度，处理这种混合格式的列特别好用：

import pandas as pd

# 假设你的DataFrame是df
df[['Target Year', 'Target Quarter']] = df['Target Pool'].str.extract(r'^(\d+)\s*(Q\d)?$')
# 查看结果
display(df[['Target Pool', 'Target Year', 'Target Quarter']])

正则说明： #

• ^(\d+)：匹配开头的数字（也就是年份），把它捕获到第一组（对应Target Year）
• \s*：匹配0个或多个空格，兼容可能的空格格式
• (Q\d)?：匹配可选的季度（比如Q1、Q2），捕获到第二组（对应Target Quarter），?表示这个部分可以不存在

执行后你会得到想要的结果：

方案二：先分割再补全缺失值 #

如果你更习惯用split方法，可以先分割成两列，再把缺失的年份补全：

# 先分割，n=1表示只分割一次（避免多空格的问题）
split_result = df['Target Pool'].str.split(' ', expand=True, n=1)
# 给分割后的列命名
split_result.columns = ['Target Year', 'Target Quarter']
# 把Target Year为空的行，用原列的年份填充
split_result['Target Year'] = split_result['Target Year'].fillna(df['Target Pool'])
# 把分割结果合并回原DataFrame
df = df.join(split_result)
# 查看结果
display(df[['Target Pool', 'Target Year', 'Target Quarter']])

这个方法的思路是：当原列没有空格时，split会生成第一列为NaN的结果，我们用fillna把这些NaN替换成原列的年份值，这样就保留了单个年份的数据。

内容的提问来源于stack exchange，提问作者Richard Fitzsimons