使用Pandas按多分隔符拆分DataFrame列生成新列

DevOps 小满

2026-6-18

问题：拆分DataFrame的Summary列为分组命名列并填充默认值

原始DataFrame如下：

import pandas as pd

data = {
    'Area': ['M', 'M', 'M', 'M', 'H', 'H', 'H'],
    'DTTM': ['1/1/1960', '3/8/2021', '5/12/2024', '1/1/1960', '3/8/2021', '5/12/2024', '1/1/1960'],
    'ID': ['A', 'A', 'A', 'A', 'B', 'B', 'B'],
    'ID2': ['A', 'B', 'B', 'C', 'C', 'D', 'A'],
    'Summary': ['1:2980', '1:2980', '1:8732', '1:8732', '1:53174,9:2332', '1:22017,9:118', '1:4239, 6:184, 9:1243, 14:482']
}
df = pd.DataFrame(data)

需要将Summary列按group:value的格式拆分为以Bin{group}命名的新列，无对应数据的行填充0，最终得到目标格式。

解决方案

可以通过以下步骤实现：

解析Summary列生成字典
先清理每个Summary字符串中的空格，再按逗号分割成每组，最后转成键为Bin{group}、值为对应数字的字典：

def parse_summary(s):
    # 去除所有空格，按逗号分割各组
    groups = s.replace(' ', '').split(',')
    # 转成字典，键命名为Bin+分组号，值转为整数
    return {f'Bin{g.split(":")[0]}': int(g.split(":")[1]) for g in groups}

# 生成字典列
summary_dict = df['Summary'].apply(parse_summary)

将字典列拆分为多列
使用pd.json_normalize把字典列展开成DataFrame：
```
expanded_df = pd.json_normalize(summary_dict)
```
合并原DataFrame并填充默认值
把展开后的DataFrame和原DataFrame合并，删除原Summary列，并用0填充缺失值，最后转为整数类型：
```
result = pd.concat([df.drop('Summary', axis=1), expanded_df], axis=1)
# 填充NaN为0，转整数
result = result.fillna(0).astype(int)
```

完整代码

import pandas as pd

data = {
    'Area': ['M', 'M', 'M', 'M', 'H', 'H', 'H'],
    'DTTM': ['1/1/1960', '3/8/2021', '5/12/2024', '1/1/1960', '3/8/2021', '5/12/2024', '1/1/1960'],
    'ID': ['A', 'A', 'A', 'A', 'B', 'B', 'B'],
    'ID2': ['A', 'B', 'B', 'C', 'C', 'D', 'A'],
    'Summary': ['1:2980', '1:2980', '1:8732', '1:8732', '1:53174,9:2332', '1:22017,9:118', '1:4239, 6:184, 9:1243, 14:482']
}
df = pd.DataFrame(data)

def parse_summary(s):
    groups = s.replace(' ', '').split(',')
    return {f'Bin{g.split(":")[0]}': int(g.split(":")[1]) for g in groups}

summary_dict = df['Summary'].apply(parse_summary)
expanded_df = pd.json_normalize(summary_dict)

result = pd.concat([df.drop('Summary', axis=1), expanded_df], axis=1)
result = result.fillna(0).astype(int)

print(result)

运行后输出的结果和需求完全一致：

Area       DTTM ID ID2   Bin1  Bin6  Bin9  Bin14
0    M   1/1/1960  A   A   2980     0     0      0
1    M   3/8/2021  A   B   2980     0     0      0
2    M  5/12/2024  A   B   8732     0     0      0
3    M   1/1/1960  A   C   8732     0     0      0
4    H   3/8/2021  B   C  53174     0  2332      0
5    H  5/12/2024  B   D  22017     0   118      0
6    H   1/1/1960  B   A   4239   184  1243    482

内容的提问来源于stack exchange，提问作者Aaron Horowitz