Pandas正则表达式求助：将字符串列拆分为多数值列

核心思路 #

先通过正则提取每一行中所有的「属性名:数值」对，再将提取结果转换为宽表结构，和原DataFrame索引对齐后得到目标结果。

具体实现代码 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'Dimensions': [
        '"Width:2 cm"',
        '"Diameter: 1.2 cm, Height: 10 cm"',
        '"Diameter: 3.4cm, Volume: 10cm"'
    ]
})

# 步骤1：去除字符串首尾的引号
df['cleaned'] = df['Dimensions'].str.strip('"')

# 步骤2：用正则提取所有属性名和对应数值
# 正则解释：
# (\w+)：匹配属性名（如Width、Diameter），\w+表示1个以上字母/数字/下划线
# :\s*：匹配冒号，后面跟0个或多个空格（兼容有空格和无空格的情况）
# (\d+\.?\d*)：匹配数值，支持整数（2、10）和小数（1.2、3.4）
extract_df = df['cleaned'].str.extractall(r'(\w+):\s*(\d+\.?\d*)')

# 步骤3：转换为宽表结构，属性名为列，数值为对应单元格值
extract_df.columns = ['attribute', 'value']
result_df = extract_df.reset_index().pivot(index='level_0', columns='attribute', values='value')

# 步骤4：将结果转换为数值类型，空值保留为NaN（对应题目中的null）
result_df = result_df.apply(pd.to_numeric)

print(result_df)

代码运行结果 #

attribute  Diameter  Height  Volume  Width
level_0                                   
0               NaN     NaN     NaN    2.0
1               1.2    10.0     NaN    NaN
2               3.4     NaN    10.0    NaN

关键细节说明 #

• 正则表达式(\w+):\s*(\d+\.?\d*)专门兼容了冒号后有空格和无空格的两种格式
• extractall会提取每一行中所有匹配的键值对，避免遗漏多属性的情况
• pivot方法负责把长表转成宽表，自动对齐原DataFrame的行索引
• 最后用pd.to_numeric把字符串数值转成数值类型，方便后续计算

内容的提问来源于stack exchange，提问作者Movilla