如何简化Pandas拆分单数组列为多列时的列名定义代码

以下是我存储在SQL Server中的数据：

使用Python读取后的数据格式如下：

我此前使用如下代码将_VALUE列按制表符\t拆分为多列，同时清理最后一列的换行符：

# 1. 基于制表符'\t'将单个数组列拆分为多列
df[['v1','v2','v3','v4','v5','v6','v7','v8','v9','v10','v11','v12','v13','v14','v15',\
       'v16','v17','v18','v19','v20','v21','v22','v23','v24','v25','v26','v27','v28',\
'v29','v30','v31','v32','v33','v34','v35','v36','v37','v38','v39','v40','v41']] = df['_VALUE'].str.split(pat="\t", expand=True)

# 2. 移除最后一列中的'\r\n'字符
df['v41'] = df['v41'].replace(r'\s+|\\n', ' ', regex=True)

但部分数据集拆分后会生成上百列，手动逐个编写v1到vN的列名代码过于冗余，请问有没有更简便的实现方式？

实现方案 #

你可以直接通过动态生成列名的方式实现自动化处理，无需提前知道拆分后的列数：

import pandas as pd

# 第一步：拆分_VALUE列得到临时表，expand=True会自动按列数生成DataFrame
split_temp = df['_VALUE'].str.split('\t', expand=True)
# 第二步：批量生成v1、v2...vN格式的列名
split_temp.columns = [f'v{idx+1}' for idx in range(split_temp.shape[1])]
# 第三步：将拆分后的列合并回原表
df = pd.concat([df, split_temp], axis=1)
# 第四步：清理最后一列的换行符和多余空白
df.iloc[:, -1] = df.iloc[:, -1].replace(r'\s+|\\n', ' ', regex=True)

如果需要限制最大拆分列数，避免特殊场景下生成过多无效列，可以给str.split方法加n参数：

# 示例：最多拆分200列，超过部分的内容全部保留在最后一列
split_temp = df['_VALUE'].str.split('\t', expand=True, n=200)

如果不需要固定v开头的列名规则，可以省略列名赋值的步骤，直接使用默认的数字索引作为列名即可。

内容的提问来源于stack exchange，提问作者user_v27