Pandas按条件拆分单列转为多列的高效实现方案咨询

无需引入额外工具包，直接使用Pandas内置的向量化操作即可实现，性能远高于手动for循环遍历，具体实现如下：

方法1：explode + 透视表（可读性更高） #

import pandas as pd

# 假设原始DataFrame为df
# 1. 拆分逗号分隔的Value列，转为长格式
df_exploded = df.assign(Value=df['Value'].str.split(',')).explode('Value')
# 2. 将Value转为数值类型
df_exploded['Value'] = df_exploded['Value'].astype(int)
# 3. 透视转为宽表，保留对应数值
result = df_exploded.pivot_table(
    index=df_exploded.index, 
    columns='Value', 
    values='Value', 
    aggfunc='first'
)
# 4. 可选：补全1~9所有列（无值的位置留空）
result = result.reindex(columns=range(1, 10))

注意：如果你的原始数据中Index是单独存储的列而非DataFrame行索引，只需将上述pivot_table的index参数改为index='Index'即可。

方法2：str.get_dummies 快捷实现（写法更简洁） #

# 拆分后生成0/1哑变量，再将1替换为对应列名的数值
result = df['Value'].str.get_dummies(sep=',').apply(
    lambda col: col * int(col.name), axis=0
).reindex(columns=range(1, 10))
# 若要保留原始Index列，补充以下代码
result = df[['Index']].join(result)

两种方法均为全向量化运算，处理十万级以上数据时速度比手动for循环快数百倍。

内容的提问来源于stack exchange，提问作者yuan