如何用Python将DataFrame中的单列地址拆分为多列？

核心思路 #

针对给定的地址格式，我们可以通过正则表达式精准匹配各字段特征，一次性提取所有目标列。该地址的结构规律如下：

• 名称：开头到第一个数字前的字符串
• 地址：数字开头到逗号前的字符串
• 行政区：逗号后到下一个数字前的字符串
• ID：连续8位数字
• 标签：包含斜杠的字母组合
• 地点：最后单个字母

代码实现 #

假设数据集存储在Pandas DataFrame中，列名为raw_address，处理代码如下：

import pandas as pd
import re

# 示例数据
data = {
    'raw_address': ["EAGLE'S EYE SPORTS CLUB 5021 TOWNS ROAD, QUEENS 40560621 TS/A D"]
}
df = pd.DataFrame(data)

# 定义正则匹配模式
pattern = r'^(.+?)\s(\d+.+?),\s(\w+)\s(\d{8})\s([A-Z]+/[A-Z])\s([A-Z])$'

# 提取字段并生成新列
df[['Name', 'Address', 'Borough', 'ID', 'Tag', 'Place']] = df['raw_address'].str.extract(pattern)

# 查看处理结果
print(df)

代码说明 #

• pattern的各分组对应目标字段：
  • (.+?)：非贪婪匹配名称部分，直到遇到第一个空格加数字
  • (\d+.+?)：匹配以数字开头的地址内容，直到逗号
  • (\w+)：匹配全字母的行政区名称
  • (\d{8})：精准匹配8位ID数字
  • ([A-Z]+/[A-Z])：匹配带斜杠的标签格式
  • ([A-Z])：匹配最后单个字母的地点标识
• 使用str.extract()方法可直接将匹配结果映射为DataFrame的新列，无需手动拆分

注意事项 #

如果实际地址存在格式变体（比如名称含数字、ID位数不同等），需要根据具体场景调整正则表达式的匹配规则，确保覆盖所有情况。

内容的提问来源于stack exchange，提问作者Dsavy