如何在Python Pandas中拆分字符串中的数字与字母

针对你提供的DataFrame，其中部分单元格包含数字与字母混合的字符串（如"2.3trillion"），可以通过正则表达式结合Pandas的str.extract方法精准拆分数字与字母部分，以下是具体实现：

核心方案：使用str.extract匹配数字与文本 #

利用正则表达式^(\d*\.?\d*)(.*)$可以精准匹配两类内容：

• (\d*\.?\d*)：匹配整数或小数形式的数字部分（支持空值，对应无数字的情况）
• (.*)：匹配剩余的所有文本部分（支持空值，对应纯数字的情况）

完整代码示例 #

import pandas as pd

# 初始化你的DataFrame
df = pd.DataFrame({'A': ['2.3trillion', '9', '3.4trillion'],
                   'B': ['8', '1.2trillion', '3trillion'],
                   'C': ['0.1trillion', '12', '2trillion'], 
                   'D': ['42trillion', '52trillion','trillion']})

# 对所有列应用拆分，生成包含数字和文本的新DataFrame
split_result = df.apply(lambda col: col.str.extract(r'^(\d*\.?\d*)(.*)$'))

# 重命名列，明确区分数字与文本部分
split_result.columns = [f"{orig_col}_{suffix}" for orig_col in df.columns for suffix in ['num', 'text']]

# 可选：将数字列转换为数值类型（无数字的行自动转为NaN）
for col in split_result.columns:
    if '_num' in col:
        split_result[col] = pd.to_numeric(split_result[col], errors='coerce')

print(split_result)

输出效果 #

拆分后的结果会为原DataFrame的每一列生成两个新列：

• 以_num结尾的列：存储数字部分（已转为数值类型，无数字则为NaN）
• 以_text结尾的列：存储字母部分（纯数字行则为空字符串）

例如，原D列的trillion行，拆分后D_num为NaN，D_text为trillion；原A列的9行，A_num为9.0，A_text为空字符串。

备选方案：使用str.split分割数字与字母 #

如果偏好使用分割方法，可以利用正则断言在数字与字母的边界处分割：

split_result = df.apply(lambda col: col.str.split(r'(?<=\d)(?=[a-zA-Z])', expand=True))
split_result.columns = [f"{orig_col}_{suffix}" for orig_col in df.columns for suffix in ['num', 'text']]
# 填充空值，统一处理无数字或纯数字的情况
split_result = split_result.fillna('')

不过这种方法对无数字的字符串（如trillion）会生成空的num列，需要额外填充空值，不如str.extract直接高效。

内容的提问来源于stack exchange，提问作者kkerk