如何编写函数将单列文本数据拆分至对应多列？

问题背景 #

现有表格数据中所有有效信息都集中在header列，需按规则拆分到Company、price、result、date列，最终整理为目标格式。

原始数据 #

目标格式 #

实现代码（Python + Pandas） #

import pandas as pd
import numpy as np

def split_single_column_data(df):
    # 过滤无效行：排除nan、done、and ctr这类无关内容
    filtered_df = df[~df['header'].isin(['nan', 'done', 'and ctr'])].reset_index(drop=True)
    
    # 按每组3行（公司、价格、结果）拆分数据
    groups = np.array_split(filtered_df, len(filtered_df) // 3)
    
    # 提取每组数据并整理成目标结构
    result_list = []
    for idx, group in enumerate(groups, 1):
        company = group.iloc[0]['header'].capitalize()
        price = group.iloc[1]['header'].split(':')[1]
        result_part = group.iloc[2]['header'].split(':')[1].split(', ')
        result = result_part[0]
        date = result_part[1]
        
        result_list.append({
            'num': idx,
            'Company': company,
            'price': price,
            'result': result,
            'date': date
        })
    
    # 转换为目标格式的DataFrame
    return pd.DataFrame(result_list)

# 测试示例
if __name__ == '__main__':
    # 构造原始数据
    raw_data = {
        'header': ['done', 'nan', 'comp1', 'nan', 'price:222', 'result:ok, 22.05.19',
                   'nan', 'done', 'nan', 'comp2', 'nan', 'price:2895', 'result:no, 15.05.19',
                   'nan', 'done', 'and ctr'],
        'Company': ['']*16,
        'price': ['']*16,
        'data': ['']*16
    }
    raw_df = pd.DataFrame(raw_data)
    
    # 执行拆分函数
    final_df = split_single_column_data(raw_df)
    print(final_df)

代码说明 #

• 过滤无效行：直接排除已知的无关标识行，仅保留有效数据
• 分组处理：根据每组数据固定3行的规律，将过滤后的数据按3行一组拆分
• 数据提取：针对每组内的行，分别提取公司名（首字母大写）、价格（拆分冒号后的内容）、结果和日期（拆分冒号后再按逗号分隔）
• 结果整理：将每组提取的数据构造成字典，最终转换为目标格式的DataFrame

内容的提问来源于stack exchange，提问作者Ali sh