如何用Python将DataFrame中某列部分值拆分至单独列？

可以用Pandas的wide_to_long或者melt+拆分+透视两种方式来实现，以下是具体步骤：

1. 模拟原始数据（对应你提供的输入DataFrame） #

先构造和你输入结构一致的示例数据：

import pandas as pd

df = pd.DataFrame({
    'CA_population': [39538223],
    'CA_murder_rate': [6.3],
    'TX_population': [29145505],
    'TX_murder_rate': [8.6],
    'NY_population': [20201249],
    'NY_murder_rate': [4.3]
})

2. 方法一：使用wide_to_long（推荐，适合列名有固定格式的场景） #

这个方法专门处理这种"宽表转长表"且列名带分组标识的情况，代码更简洁：

# 转换格式，提取state列
df_result = pd.wide_to_long(
    df,
    stubnames=['population', 'murder_rate'],  # 指标列的前缀（对应你数据里的统计项）
    i=df.index,  # 行索引（如果有其他唯一标识列可以替换）
    j='state',  # 要生成的新列名
    sep='_',  # 列名中state和指标的分隔符
    suffix='.+',  # 匹配state的后缀（任意字符）
).reset_index(drop=True)

3. 方法二：使用melt+拆分+透视（更灵活，适合列名格式不统一的场景） #

如果你的列名格式有变动，这种方法适配性更强：

# 第一步：把所有列转成键值对
df_melt = df.melt(var_name='state_metric', value_name='value')
# 第二步：拆分state和指标名称
df_melt[['state', 'metric']] = df_melt['state_metric'].str.split('_', expand=True)
# 第三步：透视回宽表结构
df_result = df_melt.pivot(index='state', columns='metric', values='value').reset_index()
# 清除列名的层级标识
df_result.columns.name = None

两种方法最终得到的结果都符合你的需求：state作为单独一列，其他统计项作为独立列展示。

内容的提问来源于stack exchange，提问作者Ng.Alina