Pandas如何按_id分组拆分指定列生成未展开Series并保留关联列

基础准备：构造示例数据 #

先复现测试数据集：

import pandas as pd

df = pd.DataFrame({
    'ixd': [0],
    '_id': ['abc123'],
    'systemA': ['1703.0|1144.0'],
    'systemB': ['2172.0|735.0']
})

拆分单列后保留关联原有列的方法 #

不需要拆分后额外做关联操作，只要拆分时关闭展开参数，拆分结果会和原表行索引天然对齐，所有原有列自动关联：

# 拆分systemA列，expand=False表示不拆分为多列，结果为存储列表的Series
df['systemA_cut'] = df['systemA'].str.split('|', expand=False)

执行后新列和原表所有行一一对应，ixd、_id、systemB等原有字段不会丢失，不需要额外做merge/join操作。

按_id分组拆分两列、生成未展开Series的方法 #

直接按_id分组后对目标列做拆分即可，全程保持expand=False就不会展开为多行/多列，最终得到以_id为索引的拆分结果：

# 按_id分组，对systemA、systemB同时做拆分，保留未展开的列表结构
split_series_result = df.groupby('_id')[['systemA', 'systemB']].apply(
    lambda group: group.apply(
        lambda col: col.str.split('|', expand=False).iloc[0]
    )
)

输出结构说明 #

执行后得到的结果索引为分组字段_id，每个分组下的systemA、systemB均为拆分后的列表，完全符合未展开的要求：

systemA                 systemB
_id                                     
abc123  [1703.0, 1144.0]  [2172.0, 735.0]

如果需要单独提取某一列的拆分Series，直接按列名索引即可，例如split_series_result['systemA']就是按_id分组、拆分后未展开的systemA列Series。

补充说明 #

如果同一个_id对应多条原始数据，只需要调整apply内的聚合逻辑即可，比如将同组所有拆分结果合并、去重，不需要改动整体拆分逻辑。

内容的提问来源于stack exchange，提问作者Tony