如何在Python DataFrame中拆分文本与数字列？

针对原始DataFrame中列名为一级-二级-三级这类带分隔符的复合层级结构，要拆分为多列层级+对应数据值的目标格式，可通过以下两种pandas方案实现：

方法一：长格式转换+列拆分 #

1. 将宽格式数据转为长格式，把复合列名转为单独列：

import pandas as pd

# 模拟原始数据（替换为你的实际DataFrame）
df = pd.DataFrame({
    "A-B-C": [10],
    "A-B-D": [20],
    "X-Y-Z": [30]
})

# 转长格式，列名存入category列，数据存入value列
melted_df = df.melt(var_name="category", value_name="value")

2. 拆分复合列名为多个层级列：

# 按短横线拆分category列，扩展为多列
melted_df[["Level1", "Level2", "Level3"]] = melted_df["category"].str.split("-", expand=True)

# 移除冗余的category列，得到最终结果
final_df = melted_df.drop("category", axis=1)

方法二：多级列索引+展开 #

通过将列名转为多级索引，再展开为行结构：

# 把复合列名拆分为三级索引
df.columns = df.columns.str.split("-", expand=True)

# 展开多级索引为行，并重命名列
final_df = df.stack([0, 1, 2]).reset_index()
final_df.columns = ["Level1", "Level2", "Level3", "value"]

两种方法最终得到的final_df都会匹配你需要的目标格式：每个层级作为独立列，对应的数据值一一对应。

内容的提问来源于stack exchange，提问作者Pavan