如何拆分DataFrame字符串单列并新增指定结构的多列

核心思路 #

使用pandas内置的str.extract()方法配合正则表达式做精准分组匹配，比多次字符串拆分更稳定，不会因为消息内容中出现分隔符导致拆分错位。

完整代码示例 #

import pandas as pd

# 假设你的原始DataFrame为df，唯一列的列名为raw_content
# 下方示例数据可替换为你的真实数据
df = pd.DataFrame({
    "raw_content": [
        "08/04/2021, 17:19 - Rajat: Let's go",
        "10/05/2022, 09:05 - 138xxxx1234: 下午两点准时开会"
    ]
})

# 正则分组匹配对应字段
extract_df = df["raw_content"].str.extract(
    r"(\d{2}/\d{2}/\d{4}), (\d{2}):(\d{2}) - ([^:]+): (.*)"
)

# 重命名为目标列名
extract_df.columns = ["date", "hh", "mm", "username/phno", "message"]

# 输出查看结果
print(extract_df)

说明 #

• 正则每个分组对应你需要的5个字段，顺序完全匹配：
  • 第一组匹配dd/mm/yyyy格式的日期
  • 第二组匹配小时数值
  • 第三组匹配分钟数值
  • 第四组匹配第一个冒号前的用户名/手机号，自动过滤前后多余空格
  • 第五组匹配后续所有内容作为消息，支持消息中出现冒号、分隔符等特殊字符
• 如果你的日期格式为单数字（比如8/4/2021），可以把正则里的\d{2}改成\d{1,2}适配

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