按指定下划线范围拆分DataFrame列并生成新列

原始数据构造 #

先还原你的初始DataFrame：

import pandas as pd

data = {
    'Type': ['Parent', 'Child', 'Subchild'],
    'Name': [
        'ABC_US_Test_en-us',
        'ABC_12252020_US_Test_Natl_en-us_Home-vs-Away',
        'break1'
    ]
}
df = pd.DataFrame(data)

解决方案代码 #

通过条件筛选+字符串分割+索引提取实现需求，避免逐行遍历的低效：

# 筛选需要处理的行（Type为Child）
mask = df['Type'] == 'Child'

# 提取第2至第6个下划线之间的内容（对应分割后列表的索引2-5，用下划线拼接）
df.loc[mask, 'New_Type'] = df.loc[mask, 'Name'].str.split('_').apply(
    lambda x: '_'.join(x[2:6]) if len(x) >= 6 else None
)

# 提取第6个下划线之后的内容（对应分割后列表的索引6）
df.loc[mask, 'Matchup'] = df.loc[mask, 'Name'].str.split('_').apply(
    lambda x: x[6] if len(x) >= 7 else None
)

输出结果 #

执行后得到的DataFrame如下：

Type                                            Name            New_Type       Matchup
0      Parent                               ABC_US_Test_en-us                 NaN          NaN
1       Child  ABC_12252020_US_Test_Natl_en-us_Home-vs-Away  US_Test_Natl_en-us  Home-vs-Away
2  Subchild                                          break1                 NaN          NaN

代码说明 #

1. mask变量精准定位需要处理的行，避免对所有行做无效操作
2. str.split('_')将Name列的字符串按下划线分割为列表，例如Child行的Name分割后为：
   ['ABC', '12252020', 'US', 'Test', 'Natl', 'en-us', 'Home-vs-Away']
3. 用lambda函数判断列表长度，防止因字符串格式不符导致索引越界报错
4. 非Child行的新列自动填充NaN，符合你的输出要求

内容的提问来源于stack exchange，提问作者user53526356