如何基于首次下划线分割 Pandas 列为两部分
#技术教程 发布时间： 2026-01-17
使用 `str.extract()` 配合正则表达式可精准按第一个下划线将字符串列拆分为两个新列，避免 `str.split()` 产生的嵌套列表或多余分隔符问题。
在 Pandas 中，若需将类似 'Male_85__and_over' 的字符串仅按第一个下划线 _ 拆分为两段（即 gender = 'Male'，age = '85__and_over'），直接使用 str.split('_', n=1) 易引入列表结构（如 ['Male', '85__and_over']），而 .str[1:] 会返回 list 类型，导致列值为 [85__and_over] —— 这显然不符合结构化分析需求。
更简洁、健壮的方案是使用 str.
test[["gender", "age"]] = test["column_Name_pivoted"].str.extract(r'^([^_]+)_((?:[^_]|_(?=[^_]))*)$')
但针对本例中“首下划线后剩余全部内容”的语义，推荐更清晰、通用的写法：
test[["gender", "age"]] = test["column_Name_pivoted"].str.extract(r'^([^_]+)_(.*)$')
✅ 解析说明：
- ^([^_]+)：从开头匹配一个或多个非下划线字符（即首个字段，如 Male）；
- _：字面量下划线（仅匹配第一个）；
- (.*)：贪婪匹配其后所有字符（包括后续的 _，如 85__and_over）；
- ^ 和 $ 确保整行匹配，提升鲁棒性。
⚠️ 注意事项：
- 若原列存在不含 _ 的值（如 'Unknown'），extract() 将返回 NaN，可加 .fillna() 处理；
- str.split('_', n=1) 也可用 .str[0] 和 .str[1]（非 .str[1:]）提取，例如：
split_parts = test["column_Name_pivoted"].str.split('_', n=1, expand=True) test["gender"] = split_parts[0] test["age"] = split_parts[1].fillna("") # 处理无下划线情况此方式无需正则，更直观，且 expand=True 直接返回 DataFrame，推荐初学者优先尝试。
总之，str.extract() 适合需精确控制分隔逻辑的场景，而 str.split(..., expand=True) 更简洁通用——二者皆优于原始 .str[1:] 的错误用法。
技术教程SEO上一篇 : 综合素质评价模板哪里下载 学生个人填写Word模板【免费】
下一篇 : 《皇牌空战7 未知空域》全球累计销量已达700万套
-
SEO外包最佳选择国内专业的白帽SEO机构，熟知搜索算法，各行业企业站优化策略！
SEO公司
-
可定制SEO优化套餐基于整站优化与品牌搜索展现，定制个性化营销推广方案！
SEO套餐
-
SEO入门教程多年积累SEO实战案例，从新手到专家，从入门到精通，海量的SEO学习资料！
SEO教程
-
SEO项目资源高质量SEO项目资源，稀缺性外链，优质文案代写，老域名提权，云主机相关配置折扣！
SEO资源
-
SEO快速建站快速搭建符合搜索引擎友好的企业网站，协助备案，域名选择，服务器配置等相关服务！
SEO建站
-
快速搜索引擎优化建议没有任何SEO机构，可以承诺搜索引擎排名的具体位置，如果有，那么请您多注意！专业的SEO机构，一般情况下只能确保目标关键词进入到首页或者前几页，如果您有相关问题，欢迎咨询！
