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，并稳健提取主数值与可选备注字段，避免因字段缺失导致的 `keyerror` 或 `valueerror`。
在数据清洗中，常需将类似 '20 M B, 25, 21' 的复合字符串拆分为独立记录，并进一步分离数字主体与附加标识（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 '40'）时，expand=True 返回单列 DataFrame，索引 1 会触发 KeyError: 1 —— 这是典型的“结构假设过强”问题。
✅ 推荐方案一：reindex() 强制对齐列数（最简洁稳健）
利用 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：按逗号分割并展开为多行
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
# 步骤3：转为数值型（可选）
df['score'] = pd.to_numeric(df['score'], errors='coerce')✅ 优势：代码短、逻辑清晰、零条件判断；reindex 确保 score 和 note 列始终存在，无论原始字符串是否含空格。
✅ 推荐方案二：正则一次性解析（更高效，适合复杂模式）
若原始数据结构较稳定（数字开头 + 可选空格后非逗号内容），推荐使用 str.extractall() 直接捕获结构化字段：
# 构建正则：匹配数字（score），后跟可选的“空格+非逗号字符”（note） pattern = r'(?P\d+)(?: (?P [^,]+))?' # 提取所有匹配项，与原DataFrame按index对齐 extracted = df.pop('score').str.extractall(pattern).droplevel('match') result = df.join(extracted) # 转换score为数值 result['score'] = pd.to_numeric(result['score'], errors='coerce')
? 正则说明：
- (?P
\d+)：捕获一个或多个数字，命名为 score； - (?: (?P
[^,]+))?：非捕获组，匹配一个空格后跟一个或多个非逗号字符（即排除误截断），整体为可选（?）。
此方法跳过中间 split/explode 步骤，在单次扫描中完成解析，性能更优，且天然兼容缺失 note 的情况。
⚠️ 注意事项与最佳实践
- 永远避免硬索引 expand=True 的结果：如 split(...)[1]，应改用 reindex 或条件判断；
- n=1 是关键参数：限制仅在第一个空格处分割，防止 '20 M B' 被错误切为 ['20', 'M', 'B']；
- errors='coerce' 提升鲁棒性：pd.to_numeric() 将非法值转为 NaN，而非报错；
- reset_index(drop=True) 建议添加：explode() 后索引可能重复，重置可避免后续操作歧义。
通过以上任一方案，你均可安全处理混合格式（'20 M B' / '25'）的数据，生成规范的长格式表格，为后续统计分析奠定坚实基础。
