如何在Pandas中拆分含章节编号的文本列生成两列？

可以通过正则表达式配合Pandas的字符串提取方法实现需求，具体步骤如下：

1. 构造示例数据（模拟你的DataFrame） #

import pandas as pd

# 模拟你的原始数据
data = {
    'ColumnA': [
        '4 Requirements',
        'Requirement blah blah',
        'Requirement blah blah blah',
        '4.1.1 Requirement Subsection',
        '4.1.1.1 Requirement subsection subsection',
        'blah blah blah'
    ]
}
df = pd.DataFrame(data)

2. 正则提取拆分列 #

使用str.extract方法，通过正则匹配开头的章节编号（数字+可选的多级编号），同时分离出剩余文本：

# 正则表达式说明：
# ^(\d+(?:\.\d+)*)?  匹配行首可选的章节编号（支持多级如4.1.1、4.1.1.1）
# \s*                匹配编号与文本之间的任意空格
# (.*)               匹配剩余的全部文本
df[['ColA', 'ColB']] = df['ColumnA'].str.extract(r'^(\d+(?:\.\d+)*)?\s*(.*)', expand=True)

# 将提取不到编号的空值（NaN）替换为空字符串，更贴合需求格式
df['ColA'] = df['ColA'].fillna('')

3. 结果展示 #

处理后的DataFrame如下：

ColumnA    ColA                                   ColB
0    4 Requirements       4                          Requirements
1  Requirement blah blah                             Requirement blah blah
2  Requirement blah blah blah                       Requirement blah blah blah
3  4.1.1 Requirement Subsection  4.1.1              Requirement Subsection
4  4.1.1.1 Requirement subsection subsection  4.1.1.1  Requirement subsection subsection
5                blah blah blah                             blah blah blah

如果你的原始数据中有更复杂的编号格式（比如带字母），可以微调正则表达式的匹配规则，但当前正则已覆盖你给出的数字多级编号场景。

内容的提问来源于stack exchange，提问作者324