如何用Pandas将不规则格式字符串拆分到DataFrame的列中？

问题分析 #

你用str.split(" ", expand=True)无法解决问题的核心原因：

1. 字符串存在不规则连续空格，拆分后列数不固定，无法精准定位目标字段；
2. 拆分结果未赋值到DataFrame的新列，导致运行后无可见变化。

要提取Product Size和Pack Size，必须用正则表达式精准匹配目标模式，而非简单按空格拆分。

完整代码 #

import pandas as pd
import io
from google.colab import files

# 上传并读取文件
uploaded = files.upload()
df = pd.read_csv(io.BytesIO(uploaded["Total item_level.csv"]))

# 定义正则模式，捕获末尾的产品规格与包装规格
# 模式说明：
# - (\d+\.?\d* [A-Z]+)：匹配整数/浮点数 + 空格 + 大写单位（如4.1 OUNCE、200 COUNT）
# - (\d+ PK)$：匹配整数 + 空格 + PK，且位于字符串末尾
pattern = r'(\d+\.?\d* [A-Z]+) (\d+ PK)$'

# 提取目标列并添加到原DataFrame
df[['Product Size', 'Pack Size']] = df['Item_Description'].str.extract(pattern)

# 查看处理结果
display(df)

代码说明 #

1. 正则匹配：跳过前面不规则的产品描述部分，直接锁定字符串末尾的两组目标内容，避免空格数量干扰；
2. 直接生成列：str.extract会将匹配到的两组结果直接转为新列，不存在列数不一致的问题；
3. 修改生效：将提取结果赋值给DataFrame的新列，确保修改能被保存和查看。

异常处理 #

若存在不符合模式的行，提取结果会显示NaN，可通过以下代码筛选排查：

# 筛选提取失败的行
invalid_rows = df[df['Product Size'].isna()]
display(invalid_rows)

你可以根据异常行的格式，微调正则模式来适配更多场景。

内容的提问来源于stack exchange，提问作者Baek