如何按分隔符拆分对应名称和值列，实现Pandas数据宽表转换

核心思路是用pandas原生的拆分、长表转宽表的向量化操作替代逐行遍历，性能可提升数十至上百倍，适合处理大数据集。

第一步：修正测试数据集语法（原示例代码漏了逗号） #

import pandas as pd

df = pd.DataFrame(
    [
        [1,'Height.Weight','20.50','First'], 
        [2,'Weight.Height','65.30','Second'], 
        [3,'Height.Width.Depth','22.30.10','Third']
    ],
    columns = ['Object','All_Measures','All_Values','Object_Name']
)

第二步：核心处理代码 #

# 1. 拆分指标、数值列，每行展开为单个指标+对应值的长表结构
df_long = df.assign(
    measure = df['All_Measures'].str.split('.'),
    value = df['All_Values'].str.split('.')
).explode(['measure', 'value'])

# 2. 将值转换为数值类型
df_long['value'] = pd.to_numeric(df_long['value'])

# 3. 长表转宽表，缺失值填充为0
df_wide = df_long.pivot_table(
    index=df_long.index,
    columns='measure',
    values='value',
    fill_value=0
)

# 4. 合并回原表其他字段，删除不需要的原始列
result = pd.concat(
    [df.drop(columns=['All_Measures', 'All_Values']), df_wide],
    axis=1
)

输出结果验证 #

运行后得到的result结构完全符合预期：

注：列顺序可按需调整，所有未在All_Measures中出现的指标自动填充为0，原表其他附加列会自动保留无需额外处理。

内容的提问来源于stack exchange，提问作者Jigsaw