如何将含多字符串的N×M矩阵转换为Pandas DataFrame？

问题分析 #

你读取的sample_layout是N×M的矩阵结构（行标识如A/B，列标识如1/2），每个单元格包含12个字符串。直接用pd.DataFrame(sample_layout, columns=column_names)无效，因为原数据的列数和指定的12列不匹配，且每个单元格的内容是嵌套的字符串集合，需要先拆解重塑。

解决方案步骤 #

• 读取原始矩阵并保留行列标识
  确保读取时正确保留行、列的孔位标识：

  import pandas as pd
  
  # 第一列作为行索引（A/B），第一行作为列名（1/2）
  sample_layout = pd.read_excel("file_name.xlsx", engine="openpyxl", sheet_name=1, index_col=0)
  

• 将矩阵重塑为长格式
  把N×M的矩阵转换成包含孔位标识和单元格内容的长表：

  # 堆叠矩阵，生成包含行、列索引和对应内容的数据集
  stacked = sample_layout.stack().reset_index()
  stacked.columns = ["row_id", "col_id", "raw_data"]
  

• 拆解单元格内的12个字符串为多列
  根据单元格内字符串的分隔方式选择对应方法：

  1. 若字符串用分隔符（如逗号、换行）分隔：

     # 替换分隔符为你实际使用的符号（比如"\n"代表换行）
     split_data = stacked["raw_data"].str.split(",", expand=True)
     
     column_names = ['ID','sample_ID','sample_type','pilot_batch','tissue','hide_ID','hide_replicate','avg loaded weight mg','avg empty weight mg','net weight mg','date','operator']
     split_data.columns = column_names
     
     # 合并孔位标识和拆分后的列
     df_converted = pd.concat([stacked[["row_id", "col_id"]], split_data], axis=1)
     

  2. 若单元格内容本身是列表/数组格式：

     column_names = ['ID','sample_ID','sample_type','pilot_batch','tissue','hide_ID','hide_replicate','avg loaded weight mg','avg empty weight mg','net weight mg','date','operator']
     split_data = pd.DataFrame(stacked["raw_data"].tolist(), columns=column_names)
     
     df_converted = pd.concat([stacked[["row_id", "col_id"]], split_data], axis=1)
     

关键注意点 #

• 读取Excel时，index_col=0参数保证第一列的行标识（A/B）被保留为索引
• 拆分字符串时必须使用实际的分隔符，否则会导致拆分结果异常
• 最终的df_converted会包含孔位的行/列标识，以及你需要的12个数据列，符合预期格式

内容的提问来源于stack exchange，提问作者wew044