基于标识条件拆分Pandas Series为多列的技术问询

你的需求核心是根据标识（*、）识别层级，然后将上级信息向下填充到对应的城市行**，isin()方法不适用是因为它主要用来判断元素是否在某个集合里，没法处理这种层级关联和填充的逻辑。

具体实现步骤如下：

1. 构造示例数据 #

先模拟你的输入Series：

import pandas as pd

data = pd.Series([
    "*美国",
    "**加利福尼亚州",
    "洛杉矶",
    "旧金山",
    "**德克萨斯州",
    "休斯顿",
    "达拉斯",
    "*加拿大",
    "**安大略省",
    "多伦多",
    "渥太华"
])

2. 识别并提取各层级信息 #

先给每行打上类型标签，再提取干净的名称：

# 识别国家行（以*开头且不是**）
is_region = data.str.startswith("*") & ~data.str.startswith("**")
# 识别州行（以**开头）
is_state = data.str.startswith("**")
# 识别城市行（既不是国家也不是州）
is_city = ~is_region & ~is_state

# 提取干净的名称：去掉前缀的*或**
df = pd.DataFrame({
    "raw": data,
    "Region": data.where(is_region).str.replace("*", "", regex=False),
    "State": data.where(is_state).str.replace("**", "", regex=False),
    "City": data.where(is_city)
})

3. 向前填充层级信息 #

用ffill()方法把国家和州的信息向下填充到对应的城市行：

df["Region"] = df["Region"].ffill()
df["State"] = df["State"].ffill()

4. 筛选出最终的城市数据 #

只保留有城市的行，就是你需要的结果：

final_result = df[is_city].drop(columns=["raw"]).reset_index(drop=True)
print(final_result)

运行后输出的结果就是：

Region       State      City
0    美国  加利福尼亚州       洛杉矶
1    美国  加利福尼亚州       旧金山
2    美国    德克萨斯州       休斯顿
3    美国    德克萨斯州       达拉斯
4   加拿大     安大略省       多伦多
5   加拿大     安大略省       渥太华

关键逻辑说明 #

• where()方法用来只保留对应层级的行数据，其他行设为NaN
• ffill()（forward fill）会把最近的非NaN值向下填充，正好匹配“城市属于前面最近的州，州属于前面最近的国家”的层级关系
• 如果你的数据里有其他特殊情况（比如州前面没有国家），可以再加个判断处理NaN值，比如用fillna()填充默认值

内容的提问来源于stack exchange，提问作者Yami