如何简便拆分Pandas DataFrame的列名与对应列值？

嘿，你的现有代码确实有点繁琐，这里有两种更简洁的方法来完成这个格式转换：

问题回顾 #

你手头有一个列名和单元格值都带空格分隔的不规范DataFrame，想要把每个空格分隔的元素拆成独立列，同时添加默认整数索引。

原不规范DataFrame： #

a	b	c d	e	f g	h	i
20	21	22 1	2	3 30	31	32
17	18	19 4	5	6 27	28	29
14	15	16 7	8	9 24	25	26
11	12	13 10	11	12 21	22	23
8	9	10 13	14	15 18	19	20
5	6	7 16	17	18 15	16	17
2	3	4 19	20	21 12	13	14

期望输出： #

a b c d e f g h i
0 20 21 22 1 2 3 30 31 32
1 17 18 19 4 5 6 27 28 29
2 14 15 16 7 8 9 24 25 26
3 11 12 13 10 11 12 21 22 23
4 8 9 10 13 14 15 18 19 20
5 5 6 7 16 17 18 15 16 17
6 2 3 4 19 20 21 12 13 14

方法一：利用Stack/Unstack批量处理（推荐，保留数据类型） #

这种方法不用循环拼接列表，用Pandas的内置方法一次性搞定：

# 第一步：拆分所有带空格的列名，得到扁平化的新列名列表
new_columns = []
for col in df.columns:
    new_columns.extend(col.split())

# 第二步：对每行的每个单元格拆分值，再重构为标准DataFrame
clean_df = (
    df.apply(lambda x: x.str.split(expand=True).stack(), axis=1)
    .unstack()
    .rename(columns=dict(zip(range(len(new_columns)), new_columns)))
    .reset_index(drop=True)
    .astype(int)  # 可选：如果需要确保数值类型
)

方法二：字符串直接转换（最简洁，适合小数据集） #

把整个DataFrame转成空格分隔的字符串，再拆分重构，代码极短：

# 把DataFrame转成空格分隔的字符串，按行拆分后再拆分每个元素
raw_data = [line.split() for line in df.to_csv(sep=' ', index=False).split('\n') if line]

# 用拆分后的第一行做列名，其余行做数据
clean_df = pd.DataFrame(raw_data[1:], columns=raw_data[0], dtype=int).reset_index(drop=True)

为什么这两种方法更好？ #

• 避免了手动循环拼接列表的繁琐操作，代码更简洁易维护
• 方法一保留了原数据的类型控制，适合大型数据集
• 方法二代码量极少，快速解决小数据场景的问题

内容的提问来源于stack exchange，提问作者user16386186