Python/Pandas按行内指定位置拆分字符串列的技术实现问题

有一个Pandas DataFrame，包含campaign_name列，内容是按规则生成的字符串；同时还有separator（分隔符）、SKU、CAMPAIGN、GOAL、FORMAT列，记录每行字符串的分隔符，以及各信息对应的拆分后位置。比如第一行里，字符串用下划线分隔，SKU对应拆分后的第0位，CAMPAIGN对应第1位，GOAL对应第2位。现在要按每行指定的位置拆分campaign_name列，但当前代码无法实现需求。

示例DataFrame #

results = pd.DataFrame([{'data': '2022-01-01' , 'canal': 'Facebook/Instagram' , 'campaign_name': 'SKU098_COMMERCIALCAMPAIGN_VIEW' , 'Cost': 1.5 , 'separator': '_' , 'SKU': 0, 'CAMPAIGN': 1, 'GOAL': 2, 'FORMAT': 100},
                        {'data': '2019-01-01' , 'canal': 'Facebook/Instagram' , 'campaign_name': 'NEWYEAR_REACH_SKU4354' , 'Cost': 0.4 , 'separator': '_' , 'SKU': 2, 'CAMPAIGN': 0, 'GOAL': 1, 'FORMAT': 100},
                        {'data': '2022-01-09' , 'canal': 'Facebook/Instagram' , 'campaign_name': 'VIDEO_REACH_SKU4354' , 'Cost': 2.1 , 'separator': '_' , 'SKU': 2, 'CAMPAIGN': 100, 'GOAL': 1, 'FORMAT': 0},
                        {'data': '2022-08-20' , 'canal': 'Facebook/Instagram' , 'campaign_name': 'INTERATIONS/SKU2134/CHRISTMAS' , 'Cost': 1.2 , 'separator': '/' , 'SKU': 1, 'CAMPAIGN': 2, 'GOAL': 0, 'FORMAT': 100}
                       ])
print(results)

当前尝试的代码 #

results['SKU_2'] = results['campaign_name'].str.split(results['separator']).str[results['SKU']]

期望结果 #

data               canal                   campaign_name  Cost separator      SKU         CAMPAIGN               GOAL        FORMAT  
0  2022-01-01  Facebook/Instagram  SKU098_COMMERCIALCAMPAIGN_VIEW   1.5          _    SKU098      COMMERCIALCAMPAIGN     VIEW        NaN  
1  2019-01-01  Facebook/Instagram           NEWYEAR_REACH_SKU4354   0.4          _    SKU4354     NEWYEAR                REACH       NaN 
2  2022-01-09  Facebook/Instagram             VIDEO_REACH_SKU4354   2.1          _    SKU4354     NaN                    REACH       VIDEO 
3  2022-08-20  Facebook/Instagram   INTERATIONS/SKU2134/CHRISTMAS   1.2          /    SKU2134     CHRISTMAS              INTERATIONS NaN 

解决方案 #

原来的代码行不通是因为str.split没法直接接收Series作为分隔符参数，而且str[]也不能按行取不同的索引值。这里提供两种可行的方法：

方法一：用apply逐行处理 #

这是最直观的方式，逐行拆分字符串并提取对应位置的内容：

import pandas as pd

def process_row(row):
    # 按当前行的分隔符拆分字符串
    parts = row['campaign_name'].split(row['separator'])
    # 提取各字段，索引超出范围则设为NaN
    row['SKU'] = parts[row['SKU']] if row['SKU'] < len(parts) else pd.NA
    row['CAMPAIGN'] = parts[row['CAMPAIGN']] if row['CAMPAIGN'] < len(parts) else pd.NA
    row['GOAL'] = parts[row['GOAL']] if row['GOAL'] < len(parts) else pd.NA
    row['FORMAT'] = parts[row['FORMAT']] if row['FORMAT'] < len(parts) else pd.NA
    return row

# 应用到每行
results = results.apply(process_row, axis=1)
print(results)

方法二：预拆分后批量提取 #

先拆分所有行的字符串，再批量匹配索引取值，大数据量下效率稍高：

import pandas as pd

# 先拆分所有行的campaign_name，得到包含拆分后列表的Series
split_parts = results.apply(lambda x: x['campaign_name'].split(x['separator']), axis=1)

# 需要处理的字段列表
fields = ['SKU', 'CAMPAIGN', 'GOAL', 'FORMAT']

# 逐个字段提取对应位置的内容
for field in fields:
    results[field] = [
        parts[idx] if idx < len(parts) else pd.NA 
        for parts, idx in zip(split_parts, results[field])
    ]

print(results)

两种方法都能得到符合期望的结果，核心逻辑都是确保每行的分隔符和索引一一对应，同时处理索引超出范围的情况（比如值为100时返回NaN）。

内容的提问来源于stack exchange，提问作者laosnd