如何将字母数字字符串列拆分为首部数字列与剩余内容列？

需求：将DataFrame的Col A列拆分为两列A1和A2：

• A1提取字符串开头的所有连续数字部分（包含带空格的数字组，如“2 200”）
• A2保留剩余内容，若无剩余则为null

示例输入 #

期望输出 #

尝试过的错误代码 #

df_tab["Col A"].str.extract(r'(\d+)(?: (\S.+))?$')

当前错误输出 #

正确实现方法 #

使用修正后的正则表达式，匹配开头所有由空格分隔的数字组，然后捕获剩余内容：

import pandas as pd

df_tab[["A1", "A2"]] = df_tab["Col A"].str.extract(r'^((?:\d+\s*)+)(.*)$')

正则表达式解释 #

• ^：锚定字符串开头，确保只匹配开头的数字组
• ((?:\d+\s*)+)：捕获A1的内容
  • (?:\d+\s*)：非捕获组，匹配一段数字（\d+）加上可选的空格（\s*）
  • +：重复该非捕获组，匹配所有连续的“数字+空格”组合（比如“2 200”）
• (.*)：捕获A2的剩余内容，无剩余时为空字符串

处理空值转为null #

若需要把A2的空字符串转为pandas的NA（对应需求中的null），添加以下代码：

df_tab["A2"] = df_tab["A2"].str.strip().replace('', pd.NA)

最终结果 #

运行后得到与期望一致的输出：

内容的提问来源于stack exchange，提问作者Pravin