基于条件拆分Pandas DataFrame列的技术实现问题

问题场景 #

原始DataFrame如下：

需求：

• 从Tags1和Tags2列中，将Movie标题提取到新的Movie列，Genre类型提取到新的Genre列
• 兼容两列中Movie和Genre位置互换的情况
• 遇到None值时保留None，不触发错误

原有代码存在两个问题：

Movies = df['Tags1'].apply(lambda x: x.split(':')[1] if 'Movie' in x else x) 
Genres = df['Tags2'].apply(lambda x: x.split(':')[1] if 'Genre' in x else x) 

1. 处理None值时会触发索引越界错误（None无split方法）
2. 无法处理Tags1为Genre、Tags2为Movie的互换场景

期望结果DataFrame：

解决方案 #

通过自定义函数遍历每行标签列，实现兼容None值和位置互换的提取逻辑：

import pandas as pd

# 构造原始数据
data = {
    'VideoId': [1234, 3456, 5678, 7890, 9012],
    'Tags1': [None, 'Movie:Rocky', 'Genre:Romance', 'Movie:Scream', 'Movie:Shrek'],
    'Tags2': [None, 'Genre:Drama', 'Movie:Love Me', 'Genre:Horror', None]
}
df = pd.DataFrame(data)

def extract_tags(row):
    movie = None
    genre = None
    # 遍历当前行的两个标签列
    for tag in [row['Tags1'], row['Tags2']]:
        if tag is None:
            continue
        if 'Movie:' in tag:
            movie = tag.split(':')[1]
        elif 'Genre:' in tag:
            genre = tag.split(':')[1]
    return pd.Series([movie, genre], index=['Movie', 'Genre'])

# 合并提取结果到原DataFrame
result_df = df[['VideoId']].join(df.apply(extract_tags, axis=1))
print(result_df)

逻辑说明 #

• 函数extract_tags初始化movie和genre为None，遍历每行的两个标签值
• 遇到None直接跳过，避免报错
• 根据标签前缀识别类型，提取对应内容，不管标签在Tags1还是Tags2都能正确匹配
• 最后通过join将提取出的列与原DataFrame的VideoId列合并，得到目标结果

内容的提问来源于stack exchange，提问作者Aleksei Wolff