如何用Python拆分pandas DataFrame中[index x Score y]格式字符串列为独立数值列
col_y字段结构化提取的可实现方案
已有尝试的失效原因
- 替换空格为逗号的操作未剥离字符串中的方括号、
index、Score等文本占位符,转换后的字符串无法直接解析为结构化字段 - 正则移除所有非数字字符的操作,会将index数值、带小数点的Score数值完全拼接,无法区分两个字段的数值边界
- 按空格拆分列的操作未提前移除首尾方括号,拆分后第一列会携带
[index、最后一列会携带],列值和目标字段完全错位
两种适配场景的实现方法
方法1:正则匹配提取(运行效率最高,适配固定格式场景)
按照col_y的固定字符串格式编写匹配规则,无需额外预处理,直接抓取需要的数值片段,可运行代码如下:
import pandas as pd # 构造与场景匹配的测试数据 input_df = pd.DataFrame({ "col_x": ["msg1", "msg2"], "col_y": ["[index 12 Score 0.14788]", "[index 3 Score 0.7621]"] }) # 定义匹配规则:分别捕获index后的整数、Score后的浮点数 match_pattern = r"\[index\s+(\d+)\s+Score\s+(\d+\.?\d*)\]" # 将匹配到的两个分组值作为独立列写入DataFrame input_df[["index", "Score"]] = input_df["col_y"].str.extract(match_pattern, expand=True) # 转换列类型为对应数值格式 input_df["index"] = input_df["index"].astype(int) input_df["Score"] = input_df["Score"].astype(float) output_df = input_df.copy()
方法2:预处理后按位置拆分(逻辑简单易上手)
对正则不熟悉的场景,可以先清理字符串格式再拆分取值,步骤与代码如下:
- 移除col_y字符串包裹的方括号
- 按空格拆分字符串为多列
- 按固定位置取目标值(拆分后列顺序固定为:
index、index数值、Score、Score数值,对应拆分结果索引1、3的位置就是需要提取的内容)
# 清理方括号生成临时列 input_df["temp_col"] = input_df["col_y"].str.replace(r"[\[\]]", "", regex=True) # 按空格拆分字符串为多列 split_res = input_df["temp_col"].str.split(expand=True) # 提取对应位置的值并转换数据类型 input_df["index"] = split_res[1].astype(int) input_df["Score"] = split_res[3].astype(float) # 删除临时列得到最终结果 output_df = input_df.drop(columns=["temp_col"])
内容的提问来源于stack exchange,提问作者Ashok kumar
相关产品推荐
相关产品推荐

