如何提取DataFrame字符串列中指定内容并转为独立列？

假设你使用Pandas处理DataFrame，可以通过字符串分割+字典转换的方式提取目标字段，具体步骤如下：

1. 准备示例数据（已有原始DataFrame可跳过） #

import pandas as pd

# 模拟你的原始DataFrame
data = {
    'val': [
        "ID: abc\nName: John\nLast name: Johnson\nAge: 27",
        "ID: igb1\nName: Mike\nLast name: Jackson\nPosition: CEO\nAge: 42"
    ]
}
df = pd.DataFrame(data)

2. 定义字段提取函数 #

该函数将单个字符串按换行拆分，再把每行内容解析为键值对存入字典：

def parse_text(text):
    field_map = {}
    # 按换行符分割每行内容
    for line in text.split('\n'):
        # 按": "分割键和值（限制分割次数为1，避免值中含冒号导致解析错误）
        if ': ' in line:
            key, val = line.split(': ', 1)
            # 去除键值前后的多余空格
            field_map[key.strip()] = val.strip()
    return field_map

3. 提取字段并生成目标DataFrame #

将函数应用到原始列，转换为结构化DataFrame后筛选目标字段：

# 提取所有字段生成新的结构化DataFrame
extracted_data = df['val'].apply(parse_text).apply(pd.Series)

# 筛选需要的Name、Position、Age列，缺失字段自动填充为NaN
result_df = extracted_data[['Name', 'Position', 'Age']]

# 可选：将Age列转换为数值类型
result_df['Age'] = pd.to_numeric(result_df['Age'])

最终结果 #

执行后result_df的输出如下：

Name Position  Age
0  John      NaN   27
1  Mike      CEO   42

内容的提问来源于stack exchange，提问作者gh1222