如何用Pandas创建带组合列名的DataFrame并拆分单元格数据？

步骤1：读取Excel文件 #

首先用pandas.read_excel读取目标文件，生成初始DataFrame：

import pandas as pd

# 读取Excel文件，替换为你的文件路径
df = pd.read_excel("your_target_file.xlsx")

步骤2：基础拆分逻辑（非嵌套字符串） #

避免循环遍历单元格（效率低下），直接用Pandas矢量化字符串操作完成拆分，并自动生成规范列名：

# 定义分隔符
separator = ";"

# 遍历每一列进行处理
for col in df.columns:
    # 将单元格转为字符串后拆分，expand=True直接将拆分结果转为多列DataFrame
    split_result = df[col].astype(str).str.split(separator, expand=True)
    # 给拆分后的列命名：原列名_1、原列名_2...
    split_result.columns = [f"{col}_{i+1}" for i in split_result.columns]
    # 将拆分后的列合并回原DataFrame
    df = pd.concat([df, split_result], axis=1)

# 可选：如果不需要保留原列，执行下方代码删除
# df = df.drop(columns=df.columns[:len(df.columns)//2])

步骤3：嵌套格式处理（针对[[[A;B;C], [D;E]]]类内容） #

如果单元格是带嵌套括号的字符串，先清洗冗余字符再拆分：

import re

# 清洗嵌套字符串：移除所有括号和空格
def clean_nested_str(s):
    s = str(s)
    # 正则替换掉所有括号和空白字符
    return re.sub(r'[\[\]\s]', '', s)

# 遍历列处理
for col in df.columns:
    # 先清洗单元格内容
    cleaned_series = df[col].apply(clean_nested_str)
    # 拆分并生成新列
    split_result = cleaned_series.str.split(separator, expand=True)
    split_result.columns = [f"{col}_{i+1}" for i in split_result.columns]
    # 合并到原DataFrame
    df = pd.concat([df, split_result], axis=1)

效果示例 #

假设原DataFrame为：

处理后生成的结果：

空缺位置会自动填充NaN，完全匹配“按顺序填充数据”的需求。

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