如何提取pandas DataFrame列中下划线分隔的各段文本内容

针对下划线分隔的不定长前缀字符串提取需求，直接使用pandas内置的字符串拆分方法即可实现通用处理，无需适配首位字段长度，7510行数据无性能压力。

• 拆分目标列
  假设存储下划线分隔字符串的列名为target_col，执行拆分操作将每个片段转为独立列：

# expand=True会直接将拆分结果转为DataFrame，每列对应一个拆分片段
df_split = df['target_col'].str.split('_', expand=True)

拆分后原字符串1_A01_1_1_NA会生成5列，索引0到4对应值依次为'1'、'A01'、'1'、'1'、'NA'。

• 提取所需片段
  你需要的是除首位片段外的所有内容，直接取索引1及之后的列即可：

# 提取除第一个片段外的所有列
df_extracted = df_split.loc[:, 1:]
# 可选：重命名提取后的列，可按需修改列名
df_extracted.columns = ['part1', 'part2', 'part3', 'part4']
# 可选：将提取结果合并回原DataFrame
df = pd.concat([df, df_extracted], axis=1)

• 异常处理（可选）
  如果存在部分行的下划线数量不符合预期，可提前过滤合规数据：

# 筛选符合4个下划线（共5个片段）规则的行，数值可按需调整
df = df[df['target_col'].str.count('_') == 4]

内容的提问来源于stack exchange，提问作者manueldiaz97