如何在Pandas中链式调用df.col.str.split()？（melt后场景）

你遇到的问题核心是：在链式操作里直接用df.fy会引用原数据框，而非melt之后的结果。要在链式中调用str.split(expand=True)，可以用以下两种方法：

方法一：assign结合lambda函数 #

利用assign支持lambda函数的特性，lambda的参数就是当前链式步骤中的DataFrame，这样就能正确访问melt生成的fy列：

df = pd.DataFrame().from_dict({
    'id' : [1,2,3,4],
    '2022_amt' : [10.1,20.2,30.3, 40.4],
    '2022_qty' : [10,20,30,40]
})

df = ( 
    df
    .melt(
         id_vars=['id'], 
         value_vars=['2022_amt', '2022_qty'], 
         var_name='fy', 
         value_name='num' 
    )
    .assign(
        year=lambda x: x['fy'].str.split('_', expand=True)[0],
        t=lambda x: x['fy'].str.split('_', expand=True)[1]
    )
    .drop(columns=['fy'])
)

这里lambda x里的x就是melt处理后的DataFrame，完全不会和外部的原df混淆。

方法二：用pipe封装拆分逻辑 #

如果拆分逻辑比较复杂（比如需要重命名拆分后的列），用pipe把操作封装成函数，链式调用会更清晰：

def split_and_merge_fy(df):
    # 拆分fy列并指定列名
    split_result = df['fy'].str.split('_', expand=True)
    split_result.columns = ['year', 't']
    # 合并拆分结果并删除原fy列
    return df.join(split_result).drop(columns=['fy'])

df = ( 
    df
    .melt(
         id_vars=['id'], 
         value_vars=['2022_amt', '2022_qty'], 
         var_name='fy', 
         value_name='num' 
    )
    .pipe(split_and_merge_fy)
)

这种方式把拆分、合并的逻辑单独抽离，代码可读性更好，后续修改也更方便。

内容的提问来源于stack exchange，提问作者manny