如何使用正则表达式将Pandas DataFrame列拆分为多列？

首先，我们需要明确你的需求：从Column1中提取"notmessage"之前的单词，最多提取3个，不足的位置用NaN（也就是你说的null）填充。下面提供两种简洁的实现方法：

方法一：先清理文本再拆分（更直观） #

这种方法先把末尾的"notmessage"去掉，再拆分剩余内容到三列：

import pandas as pd

# 示例数据
data = {
    'Column1': [
        'message1 message2 notmessage',
        'message1 message2',
        'message1 message2 message3 notmessage'
    ]
}
df = pd.DataFrame(data)

# 步骤1：移除末尾的"notmessage"（如果存在）
df['cleaned_text'] = df['Column1'].str.replace(r'\s+notmessage$', '', regex=True)

# 步骤2：拆分清理后的文本为3列，自动填充NaN
split_cols = df['cleaned_text'].str.split('\s+', expand=True).rename(columns={0:'A', 1:'B', 2:'C'})

# 步骤3：合并到原DataFrame并清理临时列
result = df.join(split_cols).drop('cleaned_text', axis=1)

print(result)

输出结果完全符合你的要求：

Column1        A        B        C
0        message1 message2 notmessage  message1  message2     NaN
1                message1 message2  message1  message2     NaN
2  message1 message2 message3 notmessage  message1  message2  message3

方法二：用正则一次性提取（更高效） #

如果你想用str.extract直接实现，关键是要写一个包含三个可选捕获组的正则，同时匹配末尾的"notmessage"：

# 正则解释：
# ^(\w+) 匹配第一个单词（捕获到A）
# \s+(\w+) 匹配第二个单词（捕获到B）
# (?:\s+(\w+))? 可选的第三个单词（捕获到C，没有则为NaN）
# (?:\s+notmessage)? 可选的末尾notmessage（不捕获）
regex = r'^(\w+)\s+(\w+)(?:\s+(\w+))?(?:\s+notmessage)?$'

# 提取并命名列
extract_cols = df['Column1'].str.extract(regex, expand=True).rename(columns={0:'A', 1:'B', 2:'C'})

# 合并到原DataFrame
result = df.join(extract_cols)

这个方法和第一种结果一致，不需要临时列，更简洁。

为什么你之前的方法无效？ #

你提到的df.join(df['Column1'].str.extract('(my_regex)',expand=True).rename(...))失效，原因是：

• 你的正则(my_regex)只定义了一个捕获组，所以str.extract只返回一列，后续重命名{0:'A',1:'B',2:'C'}会找不到列1和列2，自然无法生成B、C列。
• 解决的核心是让正则包含对应A、B、C的三个捕获组（第三个设为可选），这样str.extract会返回三列，不足的位置自动填充NaN。

内容的提问来源于stack exchange，提问作者Rafał