如何用Pandas拆分DataFrame中的类别/店铺混合列

可以利用Pandas的索引规律或分组操作实现需求，这里提供两种高效的处理方法：

方法一：索引移位法（性能更优） #

直接利用两行一组的索引规律，筛选出有消费记录的类别行，再关联对应下一行的店铺名称：

import pandas as pd
import numpy as np

# 示例数据
data = {
    "Category/Shop": ["Supermarkets", "Shop A", "Restaurants", "Shop B", "Clothing", "Shop C"],
    "Spent": [150.0, np.nan, 80.0, np.nan, 200.0, np.nan]
}
df = pd.DataFrame(data)

# 1. 提取有消费记录的类别行（原奇数索引行）
category_rows = df[df["Spent"].notna()].copy()

# 2. 提取对应下一行的店铺名称，按索引步长匹配
category_rows["Shop"] = df["Category/Shop"].iloc[1::2].values

# 3. 重命名列并整理结果结构
category_rows = category_rows.rename(columns={"Category/Shop": "Category"})
result = category_rows[["Category", "Shop", "Spent"]]

# 4. 过滤店铺为空的无效行（若存在）
result = result.dropna(subset=["Shop"])

方法二：分组处理法（逻辑更直观） #

将相邻两行分为一组，从每组中提取类别、店铺和消费金额：

# 按两行一组分组（通过索引整除2实现分组）
groups = df.groupby(df.index // 2)

# 从每组提取有效数据
result = groups.apply(lambda group: pd.Series({
    "Category": group["Category/Shop"].iloc[0],
    "Shop": group["Category/Shop"].iloc[1] if len(group) > 1 else np.nan,
    "Spent": group["Spent"].dropna().iloc[0] if not group["Spent"].dropna().empty else np.nan
})).reset_index(drop=True)

# 过滤含空值的无效行
result = result.dropna(subset=["Category", "Shop", "Spent"])

关键说明 #

• 移位法适合大数据量场景，性能更高效；分组法逻辑清晰，便于后续调整规则。
• dropna(subset=["Category", "Shop", "Spent"])会过滤掉类别、店铺或消费金额为空的行，确保结果均为有效数据。

内容的提问来源于stack exchange，提问作者Egor