如何在Pandas中从DataFrame列正确提取TLD、SLD生成规范新列?
核心错位原因
你当前的拆分逻辑是将域名从左到右按分隔符切分,生成的列表顺序为「最左侧子域 → 最右侧顶级域(TLD)」。直接按列表顺序展开为列时,列表最后一个元素(也就是TLD)的位置会随域名总长度变化:2级域名的TLD在列表第2位,3级域名的TLD在列表第3位,短域名没有足够长的列表补位时,TLD就不会落在固定列上,自然出现映射错位。
基础解决方案
核心思路是调整列表元素的顺序基准,让固定语义的域名层级永远出现在列表的固定索引位置:
- 对拆分后的域名列表做反转,让列表顺序变为「TLD → 二级域(SLD) → 三级域...」,这样不管域名总共有多少层级,TLD永远在列表第0位,SLD永远在列表第1位,不会随长度偏移
- 展开列表时按索引对应固定语义的列名,彻底消除错位
可直接运行的参考代码
import pandas as pd df = pd.DataFrame({ "A": [1,2,3], "B": [2,3,4], "C": ["xyz[.]com", "abc123[.]pro", "xyzabc[.]gouv[.]fr"] }) # 1. 拆分后立即反转列表顺序:让索引0=TLD,索引1=SLD,索引2=三级域... df['C'] = df['C'].apply(lambda x: x.split('[.]')[::-1]) # 2. 展开列表为独立列,按索引对应固定列名 domain_expand = pd.DataFrame( df['C'].tolist(), columns=['TLD', 'SLD', 'Third_Level_Domain'] ) # 3. 合并原数据和展开的域名列 final_df = pd.concat([df.drop(columns=['C']), domain_expand], axis=1)
代码运行效果
| A | B | TLD | SLD | Third_Level_Domain |
|---|---|---|---|---|
| 1 | 2 | com | xyz | NaN |
| 2 | 3 | pro | abc123 | NaN |
| 3 | 4 | fr | gouv | xyzabc |
- 所有样本的TLD全部固定在
TLD列,没有出现跨列错位 - 所有样本的SLD全部固定在
SLD列,短域名不存在高等级子域时自动填充空值
灵活适配调整
如果你的域名层级数不固定,不需要提前写死列名数量,可以在展开后根据列索引批量重命名:
# 不固定列数的展开逻辑 domain_expand = pd.DataFrame(df['C'].tolist()) # 按照索引位置对应层级:索引0=TLD,索引1=SLD,依次累加 domain_expand.columns = [f'Domain_Level_{i}' for i in range(domain_expand.shape[1])]
内容的提问来源于stack exchange,提问作者K3rn3l5
相关产品推荐
相关产品推荐

