如何使用Pandas将含表头标识的多行文本列拆分为多列

步骤1：构造测试数据 #

先模拟包含目标多行文本的stud_info列：

import pandas as pd
import re

data = {
    'stud_info': [
        """Name: Mark
Address: 
PHX, AZ
Hobbies: 
1. Football
2. Programming
3. Squash""",
        """Name: Lisa
Address: 
NYC, NY
Hobbies: 
1. Reading
2. Painting"""
    ]
}
df = pd.DataFrame(data)

步骤2：正则提取字段 #

利用str.extract结合正则表达式，跳过标识文本直接捕获目标内容：

# 正则规则：精准匹配每个标识后的内容，忽略"Name:"/"Address:"/"Hobbies:"这些前缀
df[['Name', 'Address', 'Hobbies']] = df['stud_info'].str.extract(
    r'Name:\s*(.*?)\nAddress:\s*(.*?)\nHobbies:\s*(.*)',
    flags=re.DOTALL
)

• re.DOTALL参数让正则中的.可以匹配换行符，支持捕获跨多行的内容
• 非贪婪模式.*?确保只捕获到下一个标识前的内容，避免匹配溢出

步骤3：清理字段格式 #

对提取后的字段做空白和换行符处理，按需调整输出格式：

# 清理Name和Address的多余空白
df['Name'] = df['Name'].str.strip()
df['Address'] = df['Address'].str.strip()

# 可选：将Hobbies的多行条目转为逗号分隔字符串
df['Hobbies'] = df['Hobbies'].str.strip().str.replace('\n', ', ')

# 可选：将Hobbies转为去掉序号的列表格式
df['Hobbies'] = df['Hobbies'].str.strip().str.split('\n').apply(
    lambda x: [item.split('. ')[-1].strip() for item in x if item.strip()]
)

最终效果 #

处理后的数据框会新增Name、Address、Hobbies三列，列值完全不包含原始的标识文本，格式整洁可用。

内容的提问来源于stack exchange，提问作者Satyabrat Sahoo