如何通过正则表达式修改并拆分Pandas DataFrame指定列？

当然可以！这事儿在Pandas里用正则表达式处理起来超顺手，我给你两种实用的实现方式：

str.extract专门用来从字符串中提取正则匹配的分组，刚好适配你的需求。我们可以写一个正则表达式精准捕获"via"之前和"on"之后的内容：

import pandas as pd

# 构造你的示例DataFrame
data = {
    'status_details': [
        'Other via Other on 17 Jan 2019',
        'Other via Other on 17 Jan 2019',
        'Interview via E-mail on 14 Dec 2018',
        'Rejected via E-mail on 15 Jan 2019',
        'Rejected via E-mail on 15 Jan 2019',
        'Rejected via E-mail on 15 Jan 2019',
        'Rejected via E-mail on 15 Jan 2019',
        'Interview via E-mail on 14 Jan 2019',
        'Rejected via Website on 12 Jan 2019'
    ]
}
df = pd.DataFrame(data)

# 用正则提取拆分出两列
df[['status', 'date']] = df['status_details'].str.extract(r'^(.*?) via .*? on (.*)$')

# 查看处理后的结果
print(df)

正则表达式说明： #

• ^：匹配字符串的开头
• (.*?)：非贪婪模式匹配任意字符，直到遇到" via "，这部分就是我们要的第一列状态内容
• via .*? on ：匹配中间不需要的冗余部分（"via"到"on"之间的内容）
• (.*)$：匹配"on "之后的所有内容直到字符串结尾，作为第二列的日期信息

如果你觉得正则表达式有点抽象，也可以用str.split结合正则分隔符分步处理，通过限制拆分次数避免意外：

# 提取"via"之前的状态内容
df['status'] = df['status_details'].str.split(r' via ', n=1).str[0]
# 提取"on"之后的日期内容
df['date'] = df['status_details'].str.split(r' on ', n=1).str[1]

说明： #

• n=1参数确保只在第一个匹配到的分隔符处拆分，防止字符串中间出现重复的"via"或"on"导致拆分错误。

注意：如果你的DataFrame里存在格式不符合的行（比如缺少"via"或"on"关键字），拆分后的新列会出现NaN值，你可以根据需求用df.dropna(subset=['status', 'date'])删除这些异常行，或者提前做格式校验。

内容的提问来源于stack exchange，提问作者Louie Lee