如何在Pandas中使用正则表达式拆分字符串类型的地址列

嘿，这个地址拆分的问题我之前也碰到过，关键是抓住地址的结构规律——不管街道名称有没有空格，最后三个部分都是独立的非空白元素（数字或字母）。下面给你一个靠谱的解决方案：

第一步：构造示例数据 #

先把你的测试DataFrame搭起来，我还加了第二种门牌号是数字的情况，方便验证：

import pandas as pd
import numpy as np

df = pd.DataFrame(index=np.arange(10))
# 混合两种地址格式
df["address"] = ["Iso Omena 8 a 2"]*5 + ["Iso Omena 8 5 2"]*5

第二步：用正则表达式提取拆分 #

我们用pandas的str.extract()方法，配合一个贪婪模式的正则，精准匹配街道名称和后面三个独立元素：

# 正则解析：捕获街道名称（所有内容直到最后三个元素），然后三个独立的非空白元素
address_pattern = r'^(.*)\s+(\S+)\s+(\S+)\s+(\S+)$'

# 提取并直接生成新列
df[["street_name", "building_number", "door_number_letter", "apartment_number"]] = df["address"].str.extract(address_pattern)

正则表达式解释 #

这个正则能完美适配你的两种场景，各部分含义：

• ^(.*)\s+：贪婪匹配开头到倒数第四个元素前的所有内容，这样不管街道名称有多少个空格，都能完整抓出来
• (\S+)：匹配连续的非空白字符，正好对应建筑编号、门牌号/字母、公寓号（不管是数字还是字母都能匹配）
• $：锚定字符串结尾，确保我们解析的是完整的地址

最终结果 #

运行后你的DataFrame会变成这样（截取部分行）：

如果之后遇到更复杂的地址变种（比如街道名称后面有更多元素），只需要微调正则里的捕获组数量就行，目前这个方案完全覆盖你提到的两个难点~

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