本文介绍如何在 pandas 中精准地按**第一个下划线 `_`** 将字符串列拆分为两个新列（如 `gender` 和 `age`），避免 `str.split()` 默认行为导致的嵌套列表或多余下划线干扰问题。
在数据清洗中，常需将类似 Male_85__and_over 这样的复合标识符按首个分隔符拆解为语义明确的字段。若直接使用 str.split('_', n=1)，虽可限制分割次数，但 .str[1:] 会返回一个包含单个字符串的列表（如 ['85__and_over']），导致结果为 list 类型而非纯字符串，影响后续分析。
✅ 正确做法是使用正则提取 str.extract()，配合捕获组精准匹配「第一个 _ 前」和「第一个 _ 后（且不包含后续 _）」的内容：
test[["gender", "age"]] = test["column_Name_pivoted"].str.extract(r'([^_]+)_([^_]+)')
- ([^_]+)：匹配一个或多个非下划线字符（即首个 _ 前的所有内容）；
- _：字面量下划线，作为分隔符；
- ([^_]+)：匹配首个 _ 后、下一个 _ 之前的所有非下划线字符（即只取第一段有效内容）。
? 注意：此正则适用于「首个 _ 后仍有至少一个非 _ 字符」的场景（如 Male_85__and_over → gender="Male", age="85"）。若需保留 _ 后全部内容（包括后续下划线），应改用：
test[["gender", "age"]] = test["column_Name_pivoted"].str.extract(r'([^_]+)_(.*)')
其中 (.*) 表示“任意字符（含 _）零次或多次”，可完整捕获 85__and_over。
? 总结：
- ✅ 优先用 str.extract() 替代链式 str.split().str[]，语义清晰、结果类型安全；
- ✅ 正则模式需根据业务逻辑选择：[^_]+（截断至下一 _）或 .*（捕获全部剩余内容）；
- ⚠️ 若原始数据存在无 _ 的行，str.extract() 对应位置将返回 NaN，建议提前用 test["column_Name_pivoted"].str.contains('_').all() 校验。
