如何用正则表达式拆分Pandas Series，区分颜色与带特殊字符的车辆信息

原始DataFrame #

import pandas as pd

data = {
    'MyCol': [
        'Red Motor',
        'Blue Taxi',
        'Green Taxi-1',
        'Light blue small Taxi-1',
        'Light blue big Taxi-2'
    ]
}
df = pd.DataFrame(data)

问题分析 #

原正则表达式用\w+匹配车辆信息，但\w仅支持字母、数字和下划线，无法匹配-这类特殊字符，导致拆分失效。

解决方案 #

调整正则表达式，让车辆部分支持任意特殊字符，同时保留对small/big修饰词的匹配：

# 拆分颜色和车辆列
df[['颜色', '车辆']] = df['MyCol'].str.extract(r'^(.*)\s((?:small|big)?\s?.+)$')

# 可选：清理列内容首尾空格，让结果更整洁
df['颜色'] = df['颜色'].str.strip()
df['车辆'] = df['车辆'].str.strip()

最终结果 #

执行后DataFrame内容：

正则规则说明 #

• ^(.*)\s：匹配从字符串开头到最后一个空格的所有内容，作为颜色列
• ((?:small|big)?\s?.+)$：匹配最后一个空格后的所有内容（车辆信息）：
  • (?:small|big)?：可选匹配small或big修饰词
  • \s?：匹配修饰词与车辆名之间的可选空格
  • .+：匹配任意非换行字符（包含特殊符号）直到字符串结尾

内容的提问来源于stack exchange，提问作者test tes