如何清洗DataFrame列中重复格式内容并重构参数-值-单位结构？

我明白你现在的需求——把每列都是“参数名 is 数值 单位”格式的原始DataFrame，转换成以参数为第一列、各列对应数值为后续列、最后加单位列的新结构。你之前尝试的split方法没达到效果，是因为只处理了单列的拆分，没完成整个DataFrame的重塑和多列的整合，我来给你两种可行的解决思路：

方法一：自定义拆分函数+批量处理 #

这种方法逻辑直观，适合你当前列数不多的场景：

首先，我们先定义一个辅助函数，用来拆分每个单元格里的文本，提取出参数、数值和单位：

import pandas as pd

# 原始数据
df = pd.DataFrame({
    'rev45s':['Area is 389.62 km^2','aspArea is 76.61 km^2','asp_Ave_slip is 1.59 m','Mw is 5.5'], 
    'rev45':['Area is 589.32 km^2','aspArea is 66.65 km^2','asp_Ave_slip is 3.69 m','Mw is 6.1'], 
    'SS45':['Area is 319.62 km^2','aspArea is 61.71 km^2','asp_Ave_slip is 3.09 m','Mw is 6.8'], 
    'SS45s':['Area is 489.52 km^2','aspArea is 54.61 km^2','asp_Ave_slip is 1.44 m','Mw is 9.5']
})

def parse_text(text):
    parts = text.split(' ')
    param = parts[0]
    # 把数值转成浮点型方便后续分析
    value = float(parts[2])
    # Mw没有单位，所以判断拆分后的元素数量
    unit = parts[3] if len(parts) == 4 else '-'
    return param, value, unit

# 对每一列批量提取参数、数值、单位
rev45s_params, rev45s_values, rev45s_units = zip(*df['rev45s'].apply(parse_text))
rev45_params, rev45_values, rev45_units = zip(*df['rev45'].apply(parse_text))
SS45_params, SS45_values, SS45_units = zip(*df['SS45'].apply(parse_text))
SS45s_params, SS45s_values, SS45s_units = zip(*df['SS45s'].apply(parse_text))

# 构建目标DataFrame
new_df = pd.DataFrame({
    'parameter': rev45s_params,
    'rev45s_value': rev45s_values,
    'rev45_value': rev45_values,
    'SS45_value': SS45_values,
    'SS45s_value': SS45s_values,
    'unit': rev45s_units
})

print(new_df)

运行后就能得到你需要的结构，参数列、各列数值、单位列都清晰分开。

方法二：利用melt+正则提取（更灵活） #

如果后续你的列数会增加，这种方法扩展性更好，不用手动处理每一列：

import pandas as pd

# 原始数据同上
df = pd.DataFrame({
    'rev45s':['Area is 389.62 km^2','aspArea is 76.61 km^2','asp_Ave_slip is 1.59 m','Mw is 5.5'], 
    'rev45':['Area is 589.32 km^2','aspArea is 66.65 km^2','asp_Ave_slip is 3.69 m','Mw is 6.1'], 
    'SS45':['Area is 319.62 km^2','aspArea is 61.71 km^2','asp_Ave_slip is 3.09 m','Mw is 6.8'], 
    'SS45s':['Area is 489.52 km^2','aspArea is 54.61 km^2','asp_Ave_slip is 1.44 m','Mw is 9.5']
})

# 第一步：把宽格式转成长格式，方便统一处理所有文本
melted = df.melt(var_name='column', value_name='text')

# 第二步：用正则表达式批量提取参数、数值、单位
# 正则匹配规则：匹配开头的参数（支持带下划线的），然后是" is "，接着是数值，最后可选的单位
melted[['parameter', 'value', 'unit']] = melted['text'].str.extract(
    r'^(\w+_\w+|\w+) is ([\d.]+)(?: (\w+\^?\w+))?$', 
    expand=True
)

# 处理Mw的单位为空的情况，替换成'-'
melted['unit'] = melted['unit'].fillna('-')
# 把数值转成浮点型
melted['value'] = melted['value'].astype(float)

# 第三步：把长格式转回宽格式，得到各列的数值
new_df = melted.pivot(index='parameter', columns='column', values='value').reset_index()

# 重命名列名，符合你的需求
new_df.columns = ['parameter', 'rev45s_value', 'rev45_value', 'SS45_value', 'SS45s_value']

# 添加单位列：因为每个参数的单位是统一的，所以提取唯一映射关系
unit_map = melted.drop_duplicates('parameter').set_index('parameter')['unit'].to_dict()
new_df['unit'] = new_df['parameter'].map(unit_map)

print(new_df)

为什么你之前的方法无效？ #

你之前用df['rev45s']=df['rev45s'].apply(lambda x: pd.Series(x.split()))或者str.split，只是把单列的文本拆成了列表/多列，但没有把提取出的参数、数值、单位对应到整个新DataFrame的结构里，相当于只做了单列的拆分，没有完成跨列的整合和结构重塑，所以达不到目标。

内容的提问来源于stack exchange，提问作者sam_sam