如何将Pandas DataFrame的Column B拆分为Information、Price、Place列？

核心方案：正则表达式精准提取 #

利用str.extract结合正则表达式，一次性匹配并提取所有目标字段，是最直接高效的方式：

1. 构造示例数据（可直接替换为你的df）：

import pandas as pd

data = {
    'Column A': ['Item_ID1', 'Item_ID2'],
    'Column B': [
        'Information - information for item that has ID as 1\nPrice - $7.99\nPlace - Albany, NY',
        'Information - item\'s information with ID as 2\nPrice - $5.99\nPlace - Ottawa, ON'
    ]
}
df = pd.DataFrame(data)

2. 正则提取与合并：

# 正则表达式匹配每个字段的内容
extracted_cols = df['Column B'].str.extract(
    r'Information - (.*?)\nPrice - (.*?)\nPlace - (.*)',
    expand=True
)
# 设置提取后的列名
extracted_cols.columns = ['Information', 'Price', 'Place']
# 合并原列与提取结果
result_df = pd.concat([df['Column A'], extracted_cols], axis=1)

执行后result_df就是你需要的结构，正则中的(.*?)是非贪婪匹配，确保只捕获对应标识到下一个换行符之间的内容，不会包含后续字段。

备选方案：拆分后透视（适用于字段数量不固定的场景） #

如果后续可能新增其他字段，可通过拆分、透视的方式动态处理：

# 按换行符拆分每行内容，展开为多行
temp = df['Column B'].str.split('\n', expand=True).stack()
# 按' - '拆分键值对（n=1避免内容中包含'-'时出错）
temp = temp.str.split(' - ', n=1, expand=True)
# 重置索引并透视成宽表
temp = (
    temp.reset_index(level=1, drop=True)
    .rename(columns={0: 'key', 1: 'value'})
    .pivot(columns='key', values='value')
)
# 合并原列得到结果
result_df = pd.concat([df['Column A'], temp], axis=1)

内容的提问来源于stack exchange，提问作者Sanket Sathe