如何在Pandas DataFrame中将Scope与其值拆分至新Type列并分行存储

示例原数据 #

假设你的原始DataFrame结构如下：

import pandas as pd

df = pd.DataFrame({
    "ID": [1, 2],
    "Scope": ["Type1: 100; Type2: 200; Type3: 300", "Type1: 150; Type3: 250"]
})

解决步骤 #

• 拆分Scope列并展开为多行：
  用str.split(';')把Scope的字符串按分号拆成列表，再通过explode()将列表元素转为独立行：

  df = df.assign(Scope=df['Scope'].str.split(';')).explode('Scope')
  

• 拆分Type与对应值，生成新列：
  用str.split(':')拆分每行Scope的内容，扩展为两列后重命名，同时清理字符串两端的空格：

  df[['Type', 'Value']] = df['Scope'].str.split(':', expand=True).apply(lambda x: x.str.strip())
  

• 整理列结构（可选）：
  移除原Scope列，调整列顺序让结果更清晰：

  df = df.drop('Scope', axis=1)[['ID', 'Type', 'Value']]
  

最终结果 #

处理后的DataFrame如下：

ID   Type Value
0   1  Type1   100
0   1  Type2   200
0   1  Type3   300
1   2  Type1   150
1   2  Type3   250

如果你的Scope列格式有细微差异（比如分隔符不同），只需调整str.split()中的分隔符即可适配。

内容的提问来源于stack exchange，提问作者Shah Alam