另一种方法是使用None值创建列表

import pandas as pd

columns_order = ['Country', 'Region/State', 'City', 'District', 'Street', 'Building']
df = pd.DataFrame({'Address': datas})

def split_address(address):
    parts = address.split(', ')
    num_nones = len(columns_order) - len(parts)
    ordered_parts = parts + [None] * num_nones

    return pd.Series(ordered_parts, index=columns_order)

res = df['Address'].apply(split_address)

import pandas as pd

# Minimal reproducible example (that the way you should have given it, fyi :))
df=pd.DataFrame({'Address': ['USA, Utah, Richfield, building 315E', 'Russia, Moscow oblast, Moscow, Arbat District, New street, building 78']})

# Easy part, get country, region, city
splitAddress = df['Address'].str.split(',')
df[['Country', 'Region', 'City']] = splitAddress.str[:3].tolist()
rest = splitAddress.str[3:]

# District, if there is one, should be in first item of unused elements
m=(rest.str.len()>0) & (rest.str[0].str.contains('District'))
df.loc[m, 'District'] = rest[m].str[0]
rest[m]=rest[m].str[1:]

# Street, if there is one, should be the first remaining
m=(rest.str.len()>0) & (rest.str[0].str.contains('street'))
df.loc[m, 'Street'] = rest[m].str[0]
rest[m]=rest[m].str[1:]

# What remains is the rest of address
# WE could just assume that there is only one field left (at most) as in your example. But just in case, rejoin rest
m=rest.str.len()>0
df.loc[m, 'Building'] = rest[m].str.join(', ')

我认为需要进行一些调整。我对什么是地区（包含单词“District”的部分，区分大小写，没有其他内容）、街道（包含单词“street”的部分，区分大小写，没有其他内容）和建筑物（既不是地区也不是街道）的检测可能需要一些更精细的测试。但从你给出的极少数迹象来看...另外，从那里你应该能够添加标准。
此外，一般来说，split的expand=True参数（在一个简短的回答中使用过，现在已经消失了）可能是将字符串拆分为列的更好方法。我没有使用它，因为我不知道如何只保留3，然后，如何用它来做我的“过滤rest的第一个元素，删除我使用的”部分。但也许有一种方法（我不是一个“Pandas大师”，所以有很多一行代码，我在几行代码）。但是，好吧，关键是，我没有任何for，也没有任何apply，也没有任何使迭代成为纯Python的一部分的东西。因此，即使可能有一些更快的解决方案（甚至可能快两倍或3倍），它们也应该处于相同的速度数量级（与我们在删除for或一些apply/map时所经历的×1000因子完全不同）

你可以试试regex：

import re

pat = (r'(?P<Country>[^,]+),\s*'
       r'(?P<State>[^,]+),\s*'
       r'(?P<City>[^,]+)'
       r'(?:,\s*(?P<District>.*district[^,]*))?'
       r'(?:,\s*(?P<Street>.*street[^,]*))?'
       r'(?:,\s*(?P<Building>.*building.*))?')
ADDRESS = re.compile(pat, re.IGNORECASE)
out = df['Address'].str.extract(ADDRESS)

输出量：

>>> out
  Country          State       City        District      Street       Building
0     USA           Utah  Richfield             NaN         NaN  building 315E
1  Russia  Moscow oblast     Moscow  Arbat District  New street    building 78

Regex101上的演示