如何在Pandas中拆分分号分隔列并复制行以统计球员数据？

我有如下结构的Pandas DataFrame：

play_by_play = pd.DataFrame([{
    "players": "Tom Brady; Mike Evans; Tristan Wirfs; Leonard Fournette; Chris Godwin", 
               "down": 1, 
               "to_go": 10,
                "play_type": 'pass',
               "yards_gained": 8,
               "pass_attempt": 1,
               "complete_pass": 1,
               "rush_attempt": 0
              }])

我希望通过group by和聚合函数统计球员在场上的各项数据。手动单球员统计可使用play_by_play["players"].str.contains("Tom Brady")过滤后聚合，但我需要实现自动化处理。目前设想的方案是拆分"players"列，将每个球员对应为单独一行，其他列数据保持不变，最终效果如下：

请问如何实现该需求？此方案需支持数千行数据的可扩展性，若有更简便的按分号分隔列中的唯一值分组的方法，也欢迎采用。

方法一：拆分players列并展开行（推荐，高效支持大数据量） #

使用Pandas的str.split结合explode方法，一步完成拆分和行展开，该方法性能优异，适合数千行甚至更大规模的数据：

# 拆分players列，按分号+空格分割生成列表
play_by_play['player'] = play_by_play['players'].str.split('; ')
# 展开列表，每个球员对应一行，其余列保留原数据
expanded_df = play_by_play.explode('player').drop('players', axis=1)

执行后expanded_df就是目标格式，之后可直接按player列分组聚合：

# 示例：按球员统计各项数据总和
player_stats = expanded_df.groupby('player').agg({
    'down': 'count',  # 统计出场次数
    'yards_gained': 'sum',
    'pass_attempt': 'sum',
    'complete_pass': 'sum',
    'rush_attempt': 'sum'
}).reset_index()

方法二：处理不规范分隔符的兼容方案 #

如果players列的分隔符不统一（比如存在仅分号无空格的情况），可以先清洗数据再拆分：

# 先去除球员名前后空格，再拆分
play_by_play['player'] = play_by_play['players'].str.split(';').apply(lambda x: [p.strip() for p in x])
expanded_df = play_by_play.explode('player').drop('players', axis=1)

注意事项 #

• explode方法要求Pandas版本在0.25及以上，若版本较低，可使用以下代码替代（性能略逊）：

expanded_df = play_by_play.assign(player=play_by_play['players'].str.split('; ')).apply(pd.Series.explode)

内容的提问来源于stack exchange，提问作者jwald3