如何用Pandas将目录数据提取为规范表格形式

针对你提到的目录数据处理需求，核心是处理LLpHomeDirectory的多值展开，以下分两种常见数据场景给出具体实现方案：

场景1：原始数据为字典列表（LLpHomeDirectory为列表类型） #

如果你的原始数据是Python字典列表，其中LLpHomeDirectory本身就是列表格式，直接用Pandas的explode()方法即可展开多值：

示例代码 #

import pandas as pd

# 模拟你的原始目录数据
raw_data = [
    {
        "costCenter": "CC001",
        "mail": "user1@example.com",
        "LLpResponsible": "John Doe",
        "LLpHomeDirectory": ["dir1/path1", "dir1/path2"],
        "fullName": "User One"
    },
    {
        "costCenter": "CC002",
        "mail": "user2@example.com",
        "LLpResponsible": "Jane Smith",
        "LLpHomeDirectory": ["dir2/path1"],
        "fullName": "User Two"
    }
]

# 转换为DataFrame
df = pd.DataFrame(raw_data)

# 展开多值字段，同时重置索引
result_df = df.explode("LLpHomeDirectory", ignore_index=True)

# 提取指定字段（若原始数据有多余字段，通过此步骤筛选）
result_df = result_df[["costCenter", "mail", "LLpResponsible", "LLpHomeDirectory", "fullName"]]

# 输出结果
print(result_df)

输出结果 #

场景2：原始数据为文本格式（LLpHomeDirectory用分隔符拼接） #

如果你的原始数据是CSV/TSV等文本格式，LLpHomeDirectory的多值用分隔符（如分号、逗号）拼接成字符串，需先分割为列表再展开：

示例代码（以CSV为例，分隔符为分号） #

import pandas as pd

# 读取CSV文件（替换为你的实际文件路径）
df = pd.read_csv("directory_data.csv")

# 将拼接的字符串分割为列表（替换为你的实际分隔符）
df["LLpHomeDirectory"] = df["LLpHomeDirectory"].str.split(";")

# 展开多值字段并重置索引
result_df = df.explode("LLpHomeDirectory", ignore_index=True)

# 筛选指定字段
result_df = result_df[["costCenter", "mail", "LLpResponsible", "LLpHomeDirectory", "fullName"]]

# 输出结果
print(result_df)

额外处理说明 #

• 若LLpHomeDirectory存在空值，可添加dropna(subset=["LLpHomeDirectory"])过滤空行：

  result_df = df.explode("LLpHomeDirectory", ignore_index=True).dropna(subset=["LLpHomeDirectory"])
  

• 若多值的分隔符不是分号，替换str.split()中的参数即可（如str.split(",")）

内容的提问来源于stack exchange，提问作者user2023