Python pandas拆分DataFrame混合列 分离Casing Size与DepthTo
pandas混合文本数值列拆分实现方案
业务场景
基于Python开展数据处理时,已构建pandas DataFrame对象df,其第二列列名为col,列内为文本与数值混合存储的内容,需完成以下拆分要求:
- 拆分出的文本类内容,单独存储为名为
Casing Size的列 - 拆分出的数值类内容,单独存储为名为
DepthTo的列
已尝试的失效实现
首先是通用的环境加载代码:
import pandas as pd import io from google.colab import files # 上传并加载测试Excel文件 uploaded = files.upload() df = pd.read_excel(io.BytesIO(uploaded['Test-Checking.xlsx']))
方法1:正则提取法
原有实现代码:
df2 = pd.DataFrame(data=df, columns=['col']) df2 = df2.col.str.extract('([a-zA-Z]+)([^a-zA-Z]+)', expand=True) df2.columns = ['CasingSize', 'DepthTo'] df2
失效原因:当前正则规则仅能匹配「连续英文字母在前、非字母段在后」的单一场景,无法覆盖数值在前、文本在后的混合存储格式,也未精准匹配带小数点的浮点数内容,最终会出现大量空值、字段错位的结果。
方法2:自定义函数切分法
原有实现代码:
def split_col(x): try: numb = float(x.split()[0]) txt = x.split()[1] except: numb = float(x.split()[1]) txt = x.split()[0] x['col1'] = txt x['col2'] = numb df2['col1'] = df.col.apply(split_col) df2
失效原因:一方面存在缩进语法错误,另一方面apply方法传入的是单条字符串值,字符串类型不支持直接通过x['键名']的方式赋值属性,运行会直接触发类型报错,无法得到正确拆分结果。
可落地的正确实现
# 预处理:统一将col列转为字符串格式,避免非字符串值导致str访问器报错 df['col'] = df['col'].astype(str) # 双分支命名捕获正则,同时适配两种存储顺序的混合内容 split_regex = r'((?P<Casing Size>[A-Za-z]+)\s*(?P<DepthTo>[\d.]+))|((?P<DepthTo>[\d.]+)\s*(?P<Casing Size>[A-Za-z]+))' split_result = df['col'].str.extract(split_regex) # 提取正则匹配结果的两列,合并到原DataFrame df[['Casing Size', 'DepthTo']] = split_result[['Casing Size', 'DepthTo']] # 将DepthTo列转换为数值类型,支撑后续计算操作 df['DepthTo'] = pd.to_numeric(df['DepthTo'])
方案优势:
- 基于pandas原生字符串访问器实现,运行效率远高于逐行apply循环
- 正则同时覆盖“文本在前数值在后”“数值在前文本在后”两种存储格式,通过命名捕获组自动匹配对应列,无需手动调整字段顺序
- 正则规则可灵活调整:若文本内容包含特殊字符,可将文本匹配段
[A-Za-z]+替换为[^\d\s]+,即可适配非纯字母的文本内容 - 内置数值类型转换逻辑,拆分完成后可直接开展后续数值类计算
内容的提问来源于stack exchange,提问作者Shantanu Gupta
相关产品推荐
相关产品推荐

