Pandas如何拆分DataFrame文本列键值对到对应新列并转数值类型

核心思路 #

针对CODES列里分号分隔的键值对格式，逐行清理脏字符、拆分键值、自动识别转换数值类型，最后和原表保留列拼接得到目标结果，对不规范的空格、末尾多余逗号有较好的容错性。

可直接运行的完整代码 #

import pandas as pd
import numpy as np

# 构造原始示例DataFrame
data = {'CODES': ['ABC=V; XZE=6,0; FYK=5,0',
                  'RTK=6,0;XZE=6,0',
                  'FYK=5,0; RTK=6,0;ABC=V,'],
        'CUSTOMER': ['CUSTOMER1','CUSTOMER2,','CUSTOMER3',]
        }
CUSTOMERCODES = pd.DataFrame(data)

# 定义逐行拆分处理函数
def parse_code_col(row):
    # 按分号拆分键值对，清理前后空格、末尾冗余逗号
    kv_list = [item.strip().rstrip(',') for item in row['CODES'].split(';')]
    parsed = {}
    for kv in kv_list:
        if '=' not in kv:
            continue
        # 按等号拆分键和值，只拆分一次避免值内包含等号的异常
        key, val = kv.split('=', 1)
        key = key.strip()
        val = val.strip().rstrip(',')
        # 替换欧式小数的逗号为点，尝试转浮点型
        val = val.replace(',', '.')
        try:
            val = float(val)
        except ValueError:
            # 转换失败则保留原始字符串值
            pass
        parsed[key] = val
    return pd.Series(parsed)

# 应用拆分函数，拼接保留的CUSTOMER列
parsed_codes = CUSTOMERCODES.apply(parse_code_col, axis=1)
CUSTOMERCODES2 = pd.concat([parsed_codes, CUSTOMERCODES[['CUSTOMER']]], axis=1)

关键处理细节 #

• 提前做字符清理：统一处理键值对前后的不一致空格、末尾多余逗号（比如示例数据中ABC=V,末尾的冗余逗号、 XZE=6,0前的空格），避免拆分出错
• 数值自动转换：把欧式格式小数的逗号替换为点号后，用异常捕获逻辑判断值是否可转为数值，可转的统一转为float类型，不可转的文本值（比如示例里的V）保留原字符串格式
• 缺失值自动填充：某行不存在的编码键会自动填充np.NaN，和目标结构完全匹配

输出结果校验 #

运行后得到的CUSTOMERCODES2结构和预期完全一致：

• ABC列：['V', np.NaN, 'V']
• XZE列：[6.0, 6.0, np.NaN]
• FYK列：[5.0, np.NaN, 5.0]
• RTK列：[np.NaN, 6.0, 6.0]
• CUSTOMER列：保留原始值无修改

内容的提问来源于stack exchange，提问作者j_90