如何拆分DataFrame列值并提取前两个字符串至新列？

PySpark 实现 #

结合split、slice和concat_ws函数，配合when逻辑处理Null值：

from pyspark.sql import functions as F

# 假设原DataFrame为df，目标列名为"column"
df = df.withColumn(
    "New column",
    F.when(
        F.col("column").isNotNull(),
        F.concat_ws(" ", F.slice(F.split(F.col("column"), " "), 1, 2))
    ).otherwise(F.lit(None))
)

• split(F.col("column"), " ")：按空格将字符串拆分为数组
• slice(..., 1, 2)：从数组中提取前2个元素（PySpark数组索引从1开始）
• concat_ws(" ", ...)：用空格拼接提取出的两个元素
• when...otherwise：保证原列为Null时，新列同步为Null

Pandas 实现 #

通过字符串方法链即可简洁处理，原列的Null值会自动保留到新列：

import pandas as pd

# 假设原DataFrame为df，目标列名为"column"
df["New column"] = df["column"].str.split(n=2).str[:2].str.join(" ")

• str.split(n=2)：按空格拆分字符串，最多拆分2次，得到包含前两个词和剩余内容的列表
• str[:2]：截取列表的前两个元素
• str.join(" ")：将两个元素用空格拼接成完整字符串

内容的提问来源于stack exchange，提问作者Harshith K R