在Pandas DataFrame中拆分脏数据标签并提取指定字段

原始Pandas DataFrame示例：

Column1 Column2 Tags                      Column3
str1    str2    owner:u1,env:prod1        str3
str2    str4    env:prod2,env:prod2       str6
str1    str3                              str7
str3    str4    dwdws:qsded,ewe:22w       str8

需满足以下要求：

• 保留完整数据集，不能过滤数据
• Tags列可能为空字符串
• 键值对存在重复情况

目标是将owner和env标签提取为单独列，期望输出：

Column1 Column2 Tags                      Column3  Owner env
str1    str2    owner:u1,env:prod1        str3     u1    prod1
str2    str4    env:prod2,env:prod2       str6           prod2
str1    str3                              str7     
str3    str4    dwdws:qsded,ewe:22w       str8       

尝试过以下代码但结果全为NaN：

Data['owner']=Data['Tags'].str.slice(Data.Tags.str.find('owner:'),Data.Tags.str.find('owner:')+<length until comma after owner is reached>) 

需要用一两行代码解决该问题。

使用str.extract结合正则表达式可以直接提取目标标签，自动处理空值和重复键：

Data[['Owner', 'env']] = Data['Tags'].str.extract(r'(?:.*owner:([^,]+))?.*(?:.*env:([^,]+))?')

说明： #

• 正则表达式(?:.*owner:([^,]+))?匹配owner:后直到逗号的内容，?表示该组可选（处理无owner的行）
• (?:.*env:([^,]+))?同理匹配env:的内容，若存在重复的env键，会提取最后一次出现的值（与示例结果一致）
• str.extract会自动为未匹配到的行填充空值，无需额外处理空标签的情况

如果需要提取第一个出现的重复键值，调整正则为：

Data[['Owner', 'env']] = Data['Tags'].str.extract(r'(?:owner:([^,]+))?.*?(?:env:([^,]+))?')

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