从R转Python：如何用Pandas复现data.table的字符串拆分逻辑

我完全理解从data.table转到Pandas时的适配痛点，尤其是这种带条件的列拆分和赋值逻辑，很容易卡壳。先帮你拆解下R代码的核心逻辑，再一步步对应到Pandas的实现：

先明确R代码的处理规则 #

你的R代码做了两件核心操作：

• 对x1满足**包含数字且不等于"NX"**的行：用_拆分x1，分别赋值给新列x2和x3
• 对x1不包含数字的行：把x3设为x1的原值，x2保留缺失值（NA）

Pandas的正确实现 #

推荐用分步写法，逻辑更清晰，也能和R的操作一一对应：

import pandas as pd

# 初始化测试数据
d = {'id': [1, 2, 3], 'x1': ['1_a', '1_b', 'NX']}
df = pd.DataFrame(data=d)

# 第一步：对符合条件的行拆分x1为x2和x3
mask_valid = df['x1'].str.contains(r'\d') & ~df['x1'].str.contains('NX')
df.loc[mask_valid, ['x2', 'x3']] = df.loc[mask_valid, 'x1'].str.split('_', expand=True)

# 第二步：对不含数字的行，设置x3为x1的原值
mask_no_digit = ~df['x1'].str.contains(r'\d')
df.loc[mask_no_digit, 'x3'] = df.loc[mask_no_digit, 'x1']

# 查看最终结果
print(df)

输出结果验证 #

运行后得到的结果和R完全一致：

id   x1   x2   x3
0   1  1_a    1    a
1   2  1_b    1    b
2   3   NX  NaN   NX

为什么你的尝试没成功？ #

你原来的代码有两个关键问题：

1. 错误重复赋值了df['x2'], df['x2']，应该是df['x2'], df['x3']才对
2. Lambda函数里错误引用了整个列df['x1']，而不是当前行的x值，导致逻辑混乱

如果偏好链式操作，也可以写成一行（可读性稍弱）：

df = (df.assign(x2=pd.NA, x3=pd.NA)
        .pipe(lambda df_: df_.loc[df_['x1'].str.contains(r'\d') & ~df_['x1'].str.contains('NX'), ['x2', 'x3']]
              .apply(lambda row: row['x1'].split('_'), axis=1, result_type='expand')
              .combine_first(df_)))

内容的提问来源于stack exchange，提问作者user2340706