如何用Pandas从非规范化.db文件生成规范化df_exams DataFrame

你的问题出在正则表达式写得不对，而且没先把多考试条目拆成单独行。按下面步骤来就能搞定：

步骤1：拆分Exams列并展开成单行记录 #

首先把每个学生的多个考试条目拆分开，让每行对应一个考试：

# 按逗号拆分Exams列，然后展开成多行
df_exams = df_exams.assign(Exams=df_exams['Exams'].str.split(',')).explode('Exams')
# 清理每个考试条目的前后空格（比如"exam1 (2023), exam2(2024)"拆分后可能带空格）
df_exams['Exams'] = df_exams['Exams'].str.strip()

步骤2：正确提取Exam和Year #

用适配两种格式（带空格/不带空格）的正则表达式来提取内容：

# 正则匹配"examX (YYYY)"或"examX(YYYY)"格式，捕获考试名称和年份
df_exams[['Exam', 'Year']] = df_exams['Exams'].str.extract(r'^(exam\d+)\s?\((\d{4})\)$', expand=True)
# 删掉原来的Exams列（可选，按需保留）
df_exams = df_exams.drop('Exams', axis=1)

原代码问题说明 #

你之前用的(.)\s\((.\d+)正则有两个致命问题：

• (.)只能匹配单个字符，根本抓不到完整的examX
• .\d+写法错误，而且没处理括号前可选的空格，年份应该用\d{4}精准匹配四位数字

这样处理后，你的DataFrame就会变成每行对应一个学生的一条考试记录，包含Student ID、Exam、Year三列。

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