如何使用Python重构该DataFrame？

你需要将初始数据集转换为目标形态，尝试str.split()未达预期。下面针对常见的字符串拆分场景给出可行方案：

场景1：简单分隔符的字符串拆分（如逗号、空格） #

假设你的初始数据是类似这样的字符串列表：

raw_data = ["张三,25,北京", "李四,30,上海", "王五,28,广州"]

直接用str.split()会得到嵌套列表，要转成结构化数据可以这么做：

转成字典列表（便于后续处理） #

processed_data = []
for item in raw_data:
    # 按逗号拆分，对应姓名、年龄、城市字段
    name, age, city = item.split(',')
    processed_data.append({"姓名": name, "年龄": int(age), "城市": city})
print(processed_data)

用pandas转成表格（适合批量数据） #

如果数据量较大，用pandas处理更高效：

import pandas as pd

# 拆分后直接生成DataFrame
df = pd.DataFrame([x.split(',') for x in raw_data], columns=["姓名", "年龄", "城市"])
# 将年龄转为数值类型
df["年龄"] = df["年龄"].astype(int)
print(df)

场景2：复杂/不规则分隔符 #

如果初始数据的分隔符不统一（比如混合空格、逗号、制表符），用正则表达式拆分更靠谱：

import re

raw_data = ["张三  25 北京", "李四,30 上海", "王五 28,广州"]
processed_data = []
for item in raw_data:
    # 匹配任意数量的空格或逗号作为分隔符
    parts = re.split(r'[\s,]+', item.strip())
    processed_data.append({"姓名": parts[0], "年龄": int(parts[1]), "城市": parts[2]})
print(processed_data)

如果你的实际数据格式和上述示例不同，补充具体的初始数据样例，能帮你调整出更精准的代码。

内容的提问来源于stack exchange，提问作者Terica272020