本文介绍如何在pandas中安全地对含空格分隔的分数字符串（如 `'20 m b'` 或 `'25'`）进行分割，并稳定提取数字主值与可选备注字段，避免因字段缺失导致的 `keyerror` 或 `valueerror`。
在数据清洗中，常需将逗号分隔的字符串列（如 'score': '20 M B, 25, 21'）展开为多行，并进一步拆分出核心数值与附加标记（如 'M B'）。直接使用 str.split(' ', 1, expand=True)[1] 提取第二字段虽简洁，但当某行无空格（如 '25'）时，expand=True 返回单列 DataFrame，索引 1 不存在，引发 KeyError: 1 —— 这是生产环境中典型的“隐性崩溃点”。
推荐方案一：reindex() 保障列结构稳定
通过 reindex(columns=[0, 1]) 显式声明所需列，缺失列自动填充为 NaN，彻底规避索引越界：
# 步骤1：按逗号分割并展开
df['score'] = df['score'].str.split(', ')
df = df.explode('score').reset_index(drop=True)
# 步骤2：安全分割空格，强制保留两列（score + note）
split_parts = df['score'].str.split(' ', n=1, expand=True).reindex(columns=[0, 1])
df[['score', 'note']] = split_parts
df['score'] = pd.to_numeric(df['score'], errors='coerce') # 转为数值型，异常转NaN✅ 优势：代码简洁、逻辑清晰、零条件判断，适用于所有行统一结构场景。
推荐方案二：条件式赋值（更灵活）
若仅在存在备注时才创建 'note' 列（节省内存/语义明确），可用条件检查：
df['score'] = df['score'].str.split(', ')
df = df.explode('score').reset_index(drop=True)
tmp = df['score'].str.split(' ', n=1, expand=True)
df['score'] = tmp[0]
if 1 in tmp.columns: # 检查第二列是否存在
df['note'] = tmp[1]
df['score'] = pd.to_numeric(df['score'], errors='coerce')进阶方案：正则一次性解析（推荐用于复杂模式）
使用 str.extractall() 直接匹配数字主体与可选备注，无需手动 explode + split，性能更优且语义更强：
# 构建正则：(?P\d+) 匹配数字；(?: (?P [^,]+))? 非贪婪匹配空格后非逗号字符 pattern = r'(?P \d+)(?: (?P [^,]+))?' extracted = df.pop('score').str.extractall(pattern).droplevel('match') # 合并回原表（自动对齐索引） df = df.join(extracted) df['score'] = pd.to_numeric(df['score'], errors='coerce')
? 正则说明：
- (?P
\d+)：捕获组 score，匹配一个或多个数字； - (?: (?P
[^,]+))?：非捕获组，匹配一个空格后、逗号前的任意字符（如 'M B'），? 表示整体可选。
注意事项
- 始终对 score 执行 pd.to_numeric(..., errors='coerce')，确保数值列纯净；
- explode() 后建议 reset_index(drop=True) 避免重复索引影响后续操作；
- 若备注含逗号（如 '20 M, B'），需调整正则中的 [^,]+ 为更鲁棒的模式（如 [^,]+?(?=\s*,|\s*$)）；
- 大数据量下，正则方案通常比链式 split+explode 更高效。
综上，reindex() 是平衡简洁性与健壮性的首选；而正则方案在格式规律性强、需高可维护性时更具长期价值。
