如何将DataFrame中一列的字符串转换为多列？含表格格式需求

嘿，我来帮你搞定这个需求！把DataFrame里某一列的字符串拆成多列是pandas日常操作里的高频场景，我分几种最常见的情况给你讲，你可以对着自己的数据套：

1. 有固定分隔符的情况（最常用！） #

如果你的字符串是用逗号、空格、竖线这类固定符号分隔的，直接用str.split()加expand=True就能一步到位。

举个栗子，假设你的原始DataFrame长这样：

import pandas as pd

df = pd.DataFrame({
    '用户信息': ['张三,25,北京', '李四,30,上海', '王五,28,广州']
})

执行拆分代码：

# 按逗号拆分，expand=True会直接把拆分结果转成新的DataFrame
split_result = df['用户信息'].str.split(',', expand=True)
# 给新列起个好懂的名字
split_result.columns = ['姓名', '年龄', '城市']
# 把拆分后的列和原表合并（如果不需要原列可以删掉）
final_df = pd.concat([df, split_result], axis=1)
# 可选：删除原始列
# final_df = final_df.drop('用户信息', axis=1)

执行后你就能得到带姓名、年龄、城市三列的新DataFrame啦~

2. 用正则提取固定格式的字符串 #

如果你的字符串是带标识的（比如姓名:张三 年龄:25）或者有固定格式的，用str.extract()配合正则表达式更灵活。

比如原始数据是这样：

df = pd.DataFrame({
    '用户信息': ['姓名:张三 年龄:25 城市:北京', '姓名:李四 年龄:30 城市:上海']
})

用正则提取分组：

# 正则里的()就是我们要提取的内容，依次对应新列
df[['姓名', '年龄', '城市']] = df['用户信息'].str.extract(r'姓名:(\S+) 年龄:(\d+) 城市:(\S+)')

这里\S+匹配非空白字符，\d+匹配数字，你可以根据自己的字符串格式调整正则表达式哦。

3. 处理JSON格式的字符串 #

如果你的列里是JSON格式的字符串，用json_normalize来展开最方便：

import json
from pandas import json_normalize

df = pd.DataFrame({
    '用户信息': ['{"姓名":"张三","年龄":25,"城市":"北京"}', '{"姓名":"李四","年龄":30,"城市":"上海"}']
})
# 先把JSON字符串转成字典格式
df['用户信息'] = df['用户信息'].apply(json.loads)
# 把字典展开成多列
expanded_df = json_normalize(df['用户信息'])
# 合并到原表
final_df = pd.concat([df, expanded_df], axis=1)

一些小提醒： #

• 如果拆分后有的行内容数量不一致，expand=True会自动补NaN，你可以用fillna()来处理缺失值
• 如果分隔符是多个（比如多个空格），可以用正则匹配：str.split(r'\s+', expand=True)
• 拆分后的列默认是object类型，记得转成对应的数据类型，比如年龄列转成整数：final_df['年龄'] = final_df['年龄'].astype(int)

内容的提问来源于stack exchange，提问作者sqlerr