如何仅按开头数字拆分Pandas列且保留后续所有字符？

我来帮你搞定这个正则表达式的问题！你遇到的核心问题是原正则只匹配了字母部分，没把字母后面的数字包含进去，导致这部分内容丢失了。

问题根源 #

你原来用的正则(\d+)([A-Za-z]*)中，第二组[A-Za-z]*只能匹配任意数量的字母，一旦遇到字母后的数字，正则就会停止匹配这部分，所以像SW1里的1就被漏掉了。

修正方案 #

我们只需要把第二组的正则改成匹配数字之后的所有内容（不管是字母还是数字），就可以保留完整的后续部分。推荐使用这个正则：^(\d+)(.*)

• ^(\d+)：匹配字符串开头的连续数字，作为第一组（对应你要保留的开头数字）
• (.*)：匹配开头数字之后的所有剩余内容，包括字母、数字等任意字符，作为第二组

修改后的代码 #

import pandas as pd
import numpy as np

data = np.array([['Col1','Col2'], ['1','05MW'], ['2','16MW'], ['3','05SW1'], ['4','05SW2']])
df = pd.DataFrame(data=data[1:,:], index=data[1:,0], columns=data[0,:])

# 替换正则表达式，这里把拆分后的数字列命名为Col2_num更清晰，你也可以根据需求调整
df[['Col2_num', 'id']] = df['Col2'].str.extract('^(\d+)(.*)', expand=True)

print(df)

执行结果 #

Col1 Col2 Col2_num    id
1    1  05MW       05    MW
2    2  16MW       16    MW
3    3 05SW1       05   SW1
4    4 05SW2       05   SW2

如果你希望更严谨一点（确保第二部分必须以字母开头，避免开头数字后直接跟数字的情况），可以用这个正则：^(\d+)([A-Za-z].*)，它会要求第二组以字母开头，然后再匹配后续的所有内容，同样能满足你的示例需求。

内容的提问来源于stack exchange，提问作者chitown88