Pandas dataframe基于ATC编码拆分新增多列的高效实现方法问询

架构老林

2026-9-25

问题解答

1. ATC编码拆分的优化实现

你现有的手动切片函数可读性很好，也能正确完成拆分，如果想要更高效、更简洁的实现，推荐两种思路：

无自定义函数的矢量化实现：完全依托pandas原生的字符串操作，性能最优，适合大数据量场景
正则匹配实现：一行代码完成拆分，同时自带格式校验能力，不合法的ATC编码会返回NaN方便排查问题

2. 拆分结果批量写入DataFrame新增列

最优方案：使用pandas原生`str.extract`（兼顾简洁和性能）

固定结构的ATC编码可以通过正则一次性提取5个子段，直接生成5个新列：

import pandas as pd

# 正则对应5个分组依次匹配atc1到atc5的长度规则
atc_df[['atc1', 'atc2', 'atc3', 'atc4', 'atc5']] = atc_df['atc'].str.extract(r'^(.)(.{2})(.)(.)(.{2})$')

次选方案：使用`str.slice`逐列赋值

如果你不想用正则，也可以单独切片赋值，逻辑更直观：

atc_df['atc1'] = atc_df['atc'].str.slice(0, 1)
atc_df['atc2'] = atc_df['atc'].str.slice(1, 3)
atc_df['atc3'] = atc_df['atc'].str.slice(3, 4)
atc_df['atc4'] = atc_df['atc'].str.slice(4, 5)
atc_df['atc5'] = atc_df['atc'].str.slice(5, 7)

沿用现有自定义函数的方案

如果你要保留已经写好的atc_split函数，可以通过apply的展开参数直接生成多列，适合小数据量场景：

def atc_split(atc_str):
    atc1 = atc_str[0]
    atc2 = atc_str[1:3]
    atc3 = atc_str[3]
    atc4 = atc_str[4]
    atc5 = atc_str[5:7]
    return(atc1,atc2,atc3,atc4,atc5)

atc_df[['atc1', 'atc2', 'atc3', 'atc4', 'atc5']] = atc_df['atc'].apply(atc_split, result_type='expand')