如何将非1NF的Pandas数据集转换为符合1NF的DataFrame？

原代码存在的问题 #

1. 多列索引语法错误：df['singer','language'] 应改为 df[['singer', 'language']]，但核心问题是未先拆分分号分隔的字符串。
2. 未处理多值字符串：直接使用df['singer'].values是原始字符串，无法直接用np.concatenate拆分展开。
3. 长度计算逻辑错误：lens计算的是原始字符串长度，而非拆分后多值元素的数量，导致np.repeat无法匹配正确的行数。

修正后的代码 #

import pandas as pd

# 读取原始数据集
df = pd.read_csv("music.csv")

# 将分号分隔的多值列拆分为列表
df['singer'] = df['singer'].str.split(';')
df['language'] = df['language'].str.split(';')

# 同时展开多值列，确保数据关联关系正确，生成符合1NF的DataFrame
normalized_df = df.explode(['singer', 'language'], ignore_index=True)

# 可选：清除属性值前后的空格（若原始数据分号后带空格）
normalized_df['singer'] = normalized_df['singer'].str.strip()
normalized_df['language'] = normalized_df['language'].str.strip()

print(normalized_df)

代码说明 #

• str.split(';')：把分号分隔的多值字符串转换为列表，为后续展开做准备。
• explode(['singer', 'language'])：将列表类型的列展开为多行，且会保证同一行的singer和language列表元素一一对应，避免数据错位。
• ignore_index=True：重置展开后的索引，让索引连续有序。
• str.strip()：处理分号后可能存在的空格，保证属性值的整洁性（若无此场景可删除）。

内容的提问来源于stack exchange，提问作者user20320394