如何使用 pandas 安全地分割带可选标注的分数字符串并提取第二部分

本文介绍在 pandas 中安全处理含空格分隔的分数字符串（如 `'20 m b'` 或 `'25'`），通过 `str.split()` 提取主数值与可选备注，避免因字段缺失导致的 `keyerror` 或 `valueerror`。

在数据清洗中，常遇到类似 '20 M B, 25, 21' 这样的混合字符串：每个逗号分隔项是一个“分数+可选字母标注”组合，目标是将每项拆成独立行，并分离出纯数字（score）和后续备注（notes）。直接使用 str.split(' ', 1, expand=True)[1] 会因某些项无空格而报错 "KeyError: 1"——因为 expand=True 仅返回实际存在的列数（单值时只有 [0]），索引 1 不存在。

✅ 推荐方案：用 reindex() 统一列结构
最简洁、健壮的做法是强制对 split(..., expand=True) 的结果进行列对齐，确保始终存在 [0] 和 [1] 列（缺失时自动填充 NaN）：

# 步骤1：按逗号切分并展开为多行
df['score'] = df['score'].str.split(r',\s*')  # 使用正则处理空格，更鲁棒
df = df.explode('score').reset_index(drop=True)

# 步骤2：安全分割 score 字段 → 分离数值与备注
split_parts = df['score'].str.split(' ', n=1, expand=True).reindex(columns=[0, 1])
df['score'] = split_parts[0]
df['notes'] = split_parts[1]

⚠️ 注意：n=1 表示最多分割一次（保留 'M B' 作为整体），reindex(columns=[0, 1]) 是关键——它保证即使原字符串无空格（如 '25'），也会生成两列，其中 [1] 自动为 NaN，彻底规避索引错误。

? 进阶替代：正则一步提取（更语义化）
若原始格式较规范（数字后跟空格+非逗号字符），可用 str.extractall() 直接捕获结构化信息，无需手动 explode + split：

# 提取所有匹配项（自动处理多值），并关联原表其他列
pattern = r'(?P\d+)(?:\s+(?P[^,]+))?'
extracted = df['score'].str.extractall(pattern).droplevel('match')
result = df.drop('score', axis=1).join(extracted)

该正则含义：

• (?P\d+)：捕获连续数字（必选）；
• (?:\s+(?P[^,]+))?：非捕获组，匹配空格后任意非逗号字符（可选，命名 notes）。

✅ 优势：天然兼容无备注场景（notes 自动为 NaN），代码更声明式，且避免中间 explode 的内存开销。

? 总结建议

• 日常使用优先选 reindex() 方案：逻辑清晰、易调试、兼容性强；
• 数据量大或格式稳定时，推荐正则 extractall()：性能更优、语义明确；
• 始终用 n=1 限制 split() 次数，避免误切备注中的空格（如 'M B'）；
• 替换 ", " 为 r',\s*' 可鲁棒处理 '20,25' 或 '20, 25' 等变体。