如何将pandas DataFrame中存储Series的列拆分为多个独立列

根据Col1列的实际存储类型，选对应方法即可，无需手写逐行for循环，执行效率远高于自定义遍历逻辑：

• 如果你打印df['Col1'][0]输出带引号，和你给出的样例一样是文本内容，属于字符串存储场景，用正则提取方案
• 如果type(df['Col1'][0])返回pandas.core.series.Series，属于真实Series对象存储场景，用apply转换方案

字符串存储场景处理代码 #

import pandas as pd

# 正则匹配所有「指标名+对应浮点值」的组合
extract_pairs = df["Col1"].str.extractall(r"(\w+)\s+(\d+\.\d+)")
# 将提取到的数值转为浮点类型
extract_pairs[1] = extract_pairs[1].astype(float)
# 透传为宽表结构
wide_df = extract_pairs.droplevel("match").pivot(columns=0, values=1)
# 合并Date列得到最终结果
result = pd.concat([df["Date"], wide_df], axis=1)

Series对象存储场景处理代码 #

import pandas as pd

# 逐行将Series转为DataFrame列后直接合并
result = pd.concat([df["Date"], df["Col1"].apply(pd.Series)], axis=1)

输出效果 #

两种方法运行后输出和你预期完全一致：

Date  Amt_Mean  Amt_Med  Amt_Std
0 2022-01-02    2022.0      5.0    877.0
1 2022-01-03    2025.0     75.0     27.0

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