如何以Pythonic方式基于关键词拆分DataFrame生成class1/class2/class3列？

很巧，我刚处理过类似的需求，用pandas的矢量化字符串方法就能轻松搞定，完全不用写繁琐的循环，绝对够Pythonic。

先还原你的原始DataFrame：

import pandas as pd

df1 = pd.DataFrame({
    'overall': [
        'class1-10/class2-11/class3-13',
        'class3-31/class2-22/class1-23',
        'abc/def/xyz/prq'
    ]
})

解决方案：用str.extract分别提取指定Class的数值 #

核心思路是利用pandas的str.extract方法，通过正则表达式精准匹配每个classX-后面的数字，不管它们在字符串中的顺序如何。代码如下：

# 逐个提取class1到class3对应的数字，无匹配则返回NaN
df1['class1'] = df1['overall'].str.extract(r'class1-(\d+)', expand=False)
df1['class2'] = df1['overall'].str.extract(r'class2-(\d+)', expand=False)
df1['class3'] = df1['overall'].str.extract(r'class3-(\d+)', expand=False)

效果验证 #

运行后你会得到完全符合预期的结果（注：你给出的示例输出中第二行class3写的是32，应该是输入里的31，上述代码会正确提取为31）：

overall class1 class2 class3
0  class1-10/class2-11/class3-13     10     11     13
1  class3-31/class2-22/class1-23     23     22     31
2          abc/def/xyz/prq      NaN    NaN    NaN

为什么这是Pythonic的实现？ #

• 矢量化操作：pandas的字符串方法是底层优化过的，比手动遍历每一行效率高几个数量级，尤其是处理大数据集时优势明显。
• 简洁可读：每行代码只做一件事，清晰表达了“提取对应class数值”的意图，维护成本低。
• 自动处理缺失值：没有匹配到对应class的行，会自动填充NaN，完全符合你的需求。

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