将Python数据框架的内容拆分为新列

我有一个Python数据框架，其中一列包含以下格式的值：数字/数字字母数字。示例：2/39-C-19。我希望获取此列中的值并将其拆分，然后将它们分配给数据框中的新列

我尝试了一些正则表达式，尽管我还没有找到排除dataframe索引的好方法。正则表达式“（？：\d*）\d+”给出了列中包括索引在内的所有数字

这是我的数据框中的原始数据示例：

LOCATION
0  2/39-C-19
1   130/3-A-09
2   1/1-B-11
3   22/5-B-16
4   1/4-A-24

我试图找到一种解析值的好方法，因此我有多个列，如下所示：

    Number1 Number2 Letter  Number3
2   39  C   19
130 3   A   9
1   1   B   11
22  5   B   16
1   4   A   24

以下是我迄今为止编写的代码：

import pandas as pd
import re
raw_data = 'file.csv'
raw_data_df = pd.read_csv(raw_data)
location_df = raw_data_df.iloc[:,[1]]
location_string = str(location_df)
re_location = re.findall('(?:\d*\.)?\d+', location_string)
print(re_location)

关于如何最好地进行这件事，你有什么想法吗？我想知道我到底是否不需要正则表达式，也许需要创建一个循环来迭代列中的值

In [97]: cols = 'Number1 Number2 Letter  Number3'.split()

In [98]: df[cols] = df.LOCATION.str.extract(r'(\d+)/(\d+)-(\w+)-(\d+)', expand=True)

In [99]: df
Out[99]:
     LOCATION Number1 Number2 Letter Number3
0   2/39-C-19       2      39      C      19
1  130/3-A-09     130       3      A      09
2    1/1-B-11       1       1      B      11
3   22/5-B-16      22       5      B      16
4    1/4-A-24       1       4      A      24

或

或

---

至于在数据帧中的实现，我将由您决定，但这应该提供一种将位置字符串拆分为多个项目的简单方法：

import re

s = ['2/39-C-19', '130/3-A-09', '1/1-B-11', '22/5-B-16', '1/4-A-24']

for i in s:
    s_new = re.split(r'[/-]',i)
    print(s_new)

输出：

['2', '39', 'C', '19']
['130', '3', 'A', '09']
['1', '1', 'B', '11']
['22', '5', 'B', '16']
['1', '4', 'A', '24']

---

至于在数据帧中的实现，我将由您决定，但这应该提供一种将位置字符串拆分为多个项目的简单方法：

import re

s = ['2/39-C-19', '130/3-A-09', '1/1-B-11', '22/5-B-16', '1/4-A-24']

for i in s:
    s_new = re.split(r'[/-]',i)
    print(s_new)

输出：

['2', '39', 'C', '19']
['130', '3', 'A', '09']
['1', '1', 'B', '11']
['22', '5', 'B', '16']
['1', '4', 'A', '24']

---

非常感谢。我是个新手。因此，在本例中，split方法似乎是在/和-字符上进行拆分。这将是我将来记住的好记法。当然。是的，这个正则表达式使用字符类在“/”和“-”上进行拆分。如果你想了解正则表达式，我会推荐以下视频，这些视频帮了我大忙：谢谢。我是个新手。因此，在本例中，split方法似乎是在/和-字符上进行拆分。这将是我将来记住的好记法。当然。是的，这个正则表达式使用字符类在“/”和“-”上进行拆分。如果你想了解正则表达式，我会推荐以下视频，这些视频帮了我大忙：谢谢！这正是我所要寻找的。我想知道：是否可以使用类似的方法来拆分包含姓氏、名字、首字母缩写的df列（Ex1:Smith，John Ex2:Doe，Jane S）？作者尝试了以下方法，该方法适用于包含姓、名和中间首字母的名称，尽管NaN出现在仅包含姓和名的名称中。有没有一个好方法来解释可选的中间首字母？cols2='Last\u name First\u name Middle'.split（）name\u df[cols2]=name\u df.name.str.extract（r'（\w+）（\w+）（\w+）（\w+），[expand=True）@mmmgood，是的，我们可以这样做，但是想想可能有一个更有效的正则表达式来拆分name列，但我想到了以下内容：r'（\w+？\s？\w+\s+），（\w+-\w+）\w（\s？\w+）\w？\w？\w？）\w？\w？\w？\w谢谢！这正是我所要寻找的。我想知道：是否可以使用类似的方法来拆分包含姓氏、名字、首字母缩写的df列（Ex1:Smith，John Ex2:Doe，Jane S）？作者尝试了以下方法，该方法适用于包含姓、名和中间首字母的名称，尽管NaN出现在仅包含姓和名的名称中。有没有一个好方法来解释可选的中间首字母？cols2='Last\u name First\u name Middle'.split（）name\u df[cols2]=name\u df.name.str.extract（r'（\w+）（\w+）（\w+）（\w+），expand=True）@mmmgood，是的，我们可以这样做，但想想可能有一个更有效的正则表达式来拆分name列，但我想出了以下结果：r'（\w+？\s？\w+\w+），（\w+-？\w+）\w（\s？\w+）