Pandas如何从已有Query列拆分键值对生成新列并设置表头

嘿，作为Pandas新手能想到拆分Query列已经很棒啦！我来帮你完成剩下的步骤，轻松实现你想要的DataFrame格式～

第一步：先构造/加载你的原始数据 #

首先我们先把你提供的样本数据转成Pandas DataFrame（如果已经加载好可以跳过这一步）：

import pandas as pd

# 构造样本数据
data = {
    'Col1': [10000, 10001],
    'Col2': [101, 102],
    'Query': ['$name=XXX&#age=18&#mark=100', '$name=YYY&#age=17&#mark=95']
}
rundf = pd.DataFrame(data)

第二步：拆分Query列的键值对并生成新列 #

你已经完成了用&拆分Query列的操作，接下来我们要把每个拆分后的键=值字符串进一步拆分，转成字典后自动生成列名，再合并到原DataFrame中：

# 将拆分后的列表转为键值对字典，再转为DataFrame
query_details = rundf['Query'].str.split('&').apply(
    lambda x: dict(item.split('=') for item in x)
).apply(pd.Series)

# 横向合并原数据和新生成的键值对列
final_df = pd.concat([rundf, query_details], axis=1)

代码解释 #

• rundf['Query'].str.split('&')：这就是你已经完成的步骤，把每个Query字符串拆分为['$name=XXX', '#age=18', '#mark=100']这样的列表
• lambda x: dict(item.split('=') for item in x)：对每个列表里的元素，按=拆分成键和值，转成{'$name': 'XXX', '#age': '18', '#mark': '100'}这样的字典
• .apply(pd.Series)：把字典自动转为DataFrame，字典的键会直接成为新的列名，对应的值填充到对应行
• pd.concat([rundf, query_details], axis=1)：横向合并原始DataFrame和新生成的键值对DataFrame，得到你想要的最终格式

最终效果 #

打印final_df会得到你期望的结果：

Col1  Col2                              Query $name #age #mark
0  10000   101  $name=XXX&#age=18&#mark=100   XXX    18   100
1  10001   102  $name=YYY&#age=17&#mark=95   YYY    17    95

另外补充一点：如果你的真实数据中，不同行的Query包含的键不统一（有的行有额外键，有的行缺少某些键），这种方法也能自动适配，缺失的键对应位置会填充NaN，非常灵活～

内容的提问来源于stack exchange，提问作者Smith Dwayne