基于条件将单行数据拆分为多行（Pandas实现）

原始数据集如下：

Person 1, Person 1 Information, Person 2, Person 2 Information, Other Information
       a,                    b,        c,                    d,                 e
       f,                    g,      NaN,                  NaN,                 h

需求：当行内存在Person 2及其信息时，将该行拆分为两行并保留Other Information；仅含Person 1信息的行，直接移除NaN相关列，最终输出格式如下：

Person, Person Information, Other Information
     a,                  b,                 e
     c,                  d,                 e
     f,                  g,                 h

用Pandas内置方法即可实现，无需手动遍历行，步骤如下：

1. 拆分出Person 1和Person 2各自的数据集，统一列名
2. 合并两个数据集，过滤掉人员信息为空的行

具体代码：

import pandas as pd

# 读取原始数据（如果是本地文件，替换为对应路径）
df = pd.read_csv('your_data.csv', sep=',\\s*', engine='python')

# 提取Person1相关数据并重命名列
df_person1 = df[['Person 1', 'Person 1 Information', 'Other Information']].rename(
    columns={'Person 1': 'Person', 'Person 1 Information': 'Person Information'}
)

# 提取Person2相关数据并重命名列
df_person2 = df[['Person 2', 'Person 2 Information', 'Other Information']].rename(
    columns={'Person 2': 'Person', 'Person 2 Information': 'Person Information'}
)

# 合并两个数据集，过滤空值，重置索引
final_df = pd.concat([df_person1, df_person2]).dropna(subset=['Person']).reset_index(drop=True)

# 输出结果（可根据需求调整格式）
print(final_df.to_csv(sep=', ', index=False))

说明 #

• 利用pd.concat合并两个人员数据集，避免了手动遍历行的低效操作
• dropna(subset=['Person'])自动过滤掉Person列为NaN的行，对应原始数据中没有Person2信息的情况
• 列重命名保证了合并后数据结构统一

内容的提问来源于stack exchange，提问作者Shanny