Python DataFrame按API方法拆分列后重复赋值的问题解决

问题根源 #

你当前写法的问题在于：df['Column A'].str.split(', ',expand=False)[1]是直接提取了整个拆分结果Series的第2个元素（即第一行的参数值），属于标量赋值，所以所有匹配callToAPI1()的行都会被填充同一个值，而非各行对应的参数。

正确实现方式 #

方法一：批量拆分赋值（高效推荐）

先筛选目标行，拆分后直接批量赋值给对应列：

# 生成筛选掩码
api1_mask = df['Column B'] == 'callToAPI1()'
# 拆分目标行的Column A，展开为多列
api1_params = df.loc[api1_mask, 'Column A'].str.split(', ', expand=True)
# 将拆分结果赋值给新列，确保行对应
df.loc[api1_mask, ['Name', 'Date', 'Sex']] = api1_params.values

注意：确保Column A拆分后每行恰好有3个参数，否则需要处理长度不一致的情况（比如添加n=2限制拆分次数，或填充缺失值）。

方法二：逐行处理（灵活适配复杂场景）

如果参数位置不固定或需要额外逻辑处理，用apply逐行解析：

def parse_api1(row):
    if row['Column B'] != 'callToAPI1()':
        return pd.Series([None, None, None])
    # 拆分参数
    params = row['Column A'].split(', ')
    # 按顺序返回对应字段值，长度不足时补None
    return pd.Series(params[:3] + [None]*(3 - len(params)), index=['Name', 'Date', 'Sex'])

# 赋值新列
df[['Name', 'Date', 'Sex']] = df.apply(parse_api1, axis=1)

关键说明 #

• 避免直接对Series使用索引[1]，这会取整个Series的指定行元素，而非每行列表的指定位置；若要取每行拆分后的第2个元素，应该用str[1]，比如df['Column A'].str.split(', ',expand=False).str[1]，但批量赋值多列时，直接展开成DataFrame更高效。

内容的提问来源于stack exchange，提问作者Bruno