Python正则分割字符串构建指定结构Pandas DataFrame的方法

不用写复杂正则，利用Pandas自带的字符串右拆分方法就能搞定，全程只需要4行核心代码，可适配所有带空格的国家名场景。

• 核心思路：所有数据的最后5段都是无空格的数值内容，只有最前面的国家名可能包含空格，因此从字符串最右侧开始按空格拆分5次，就能自动把完整国家名和后续5个数值完全分离，不需要手动编写复杂正则匹配规则。

完整可运行代码如下：

import pandas as pd

# 原始嵌套列表数据
raw_data = [['Korea, Republic of 0.07 40 13 13 153'], ['United States 0.22 8 3 4 109'],['Argentina 0.19 10 14 17 33']]

# 1. 展平嵌套列表，提取每个子列表内的字符串转为Pandas序列
str_series = pd.Series([item[0] for item in raw_data])

# 2. 从右往左按空格拆分5次，直接展开为6列
df = str_series.str.rsplit(n=5, expand=True)

# 3. 设置列名，将后5列转为数值类型（Pandas自动识别int/float格式）
df.columns = ['country', 'value1', 'value2', 'value3', 'value4', 'value5']
df.iloc[:, 1:] = df.iloc[:, 1:].apply(pd.to_numeric)

结果验证 #

执行print(df)可得到符合要求的结构化数据：

country  value1  value2  value3  value4  value5
0  Korea, Republic of    0.07      40      13      13     153
1        United States    0.22       8       3       4     109
2            Argentina    0.19      10      14      17      33

执行print(df.dtypes)可验证列类型完全符合要求：

country     object
value1     float64
value2       int64
value3       int64
value4       int64
value5       int64
dtype: object

• 备选正则方案（熟悉正则时可选用）：
  如果偏好正则一次性提取内容，可以用str.extract方法，匹配规则简单，示例代码如下：

# 正则一次性匹配国家名+5个数值，直接拆分为6列
df = str_series.str.extract(r'^(.*?)\s+([\d.]+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)$')
# 后续设置列名、转数值类型的步骤和上述方案一致

内容的提问来源于stack exchange，提问作者Cummins070