Pandas技术问询：如何以attributes列值为表头扩展多列数据至宽格式

刚好我之前也遇到过类似的需求，咱们一步一步来解决这个问题：

首先先看一下原始的数据结构，先把代码贴出来，方便复现：

import pandas as pd

x = pd.DataFrame({
    'id':[11,998,3923], 
    'count':[7,7,7], 
    'attributes':['VIS,TEMP,MIN','MIN,VIS,TEMP','MIN,VIS'], 
    'attribute_values':['0,4,2','2,3,0','0,9'], 
    'attribute_years':['2000,2001,2002','2001,2002,2003','2008,2009']
})

咱们的需求很明确：不管attributes列里的属性顺序有多乱，甚至有缺失，都要把attribute_values和attribute_years拆成以属性为后缀的新列，比如attribute_values_VIS、attribute_years_MIN，对应的值要准确匹配，缺的属性就用NaN填充。

解决方案代码 #

直接上可以运行的代码，每一步我都给你解释清楚：

# 定义一个处理单行数据的函数，负责把属性和对应的值转成规范的列名-值对
def expand_single_row(row):
    # 把逗号分隔的字符串拆成列表
    attr_list = row['attributes'].split(',')
    val_list = row['attribute_values'].split(',')
    year_list = row['attribute_years'].split(',')
    
    # 生成值列和年份列的字典，键就是我们要的新列名
    value_dict = {f'attribute_values_{attr}': val for attr, val in zip(attr_list, val_list)}
    year_dict = {f'attribute_years_{attr}': year for attr, year in zip(attr_list, year_list)}
    
    # 合并两个字典，返回成Pandas Series，这样才能和原表合并
    return pd.Series({**value_dict, **year_dict})

# 对原表每一行应用函数，得到扩展后的列，然后和原表合并
expanded_result = x.join(x.apply(expand_single_row, axis=1))

# 删掉原来的三个属性相关列，保留我们需要的新列
expanded_result = expanded_result.drop(['attributes', 'attribute_values', 'attribute_years'], axis=1)

# 可选：把数值列转成合适的类型，避免是字符串（用Int64支持NaN的整数类型）
value_columns = [col for col in expanded_result.columns if 'attribute_values' in col]
year_columns = [col for col in expanded_result.columns if 'attribute_years' in col]
expanded_result[value_columns] = expanded_result[value_columns].astype('Int64')
expanded_result[year_columns] = expanded_result[year_columns].astype('Int64')

# 打印结果看看
print(expanded_result)

运行结果 #

执行完上面的代码，你就能得到想要的格式：

id  count  attribute_values_VIS  attribute_values_TEMP  attribute_values_MIN  attribute_years_VIS  attribute_years_TEMP  attribute_years_MIN
0  11      7                     0                      4                     2                  2000                  2001                  2002
1 998      7                     3                      0                     2                  2002                  2003                  2001
2 3923     7                     9                   <NA>                     0                  2009                   <NA>                  2008

代码解释 #

• expand_single_row函数：专门处理每一行，把拆分后的属性和对应的值/年份绑定，生成我们需要的新列名字典，返回Series方便后续合并。
• x.apply(..., axis=1)：按行处理原表，得到所有扩展列的DataFrame，再用join和原表合并。
• 类型转换：用Int64（大写I）是因为它支持空值NaN，普通的int类型会报错。

内容的提问来源于stack exchange，提问作者There