如何基于多条件拆分DataFrame列并生成对应ID与描述字段

方法1：拆分为单行单条记录（推荐，方便后续分析） #

这种方法会把同一行的多个CPV条目拆分为独立行，保留原有其他列的所有信息，适合绝大多数后续分析场景。

import pandas as pd

# 假设你的原始DataFrame叫df
# 1. 按|拆分多值条目，展开为多行
df_exploded = df.assign(cpv=df['cpv'].str.split(r'\s*\|\s*')).explode('cpv', ignore_index=False)
# 2. 拆分ID和描述，n=1保证描述中出现的-不会被误拆分
df_exploded[['cpvid', 'cpvdescription']] = df_exploded['cpv'].str.split(r'\s+-\s+', n=1, expand=True)
# 3. 可选：删除原cpv列
df_final = df_exploded.drop(columns='cpv')

参数说明：

• 拆分|的正则\s*\|\s*：自动忽略分隔符前后的多余空格，避免拆分后字符串首尾带空格
• str.split的*n=1*参数：仅拆分第一个匹配到的-，避免描述内容中存在-时被误拆分
• explode的*ignore_index=False*参数：保留原始行的索引，方便你回溯原始数据行，不需要可以改为True重置索引

注意：如果原始cpv列存在空值，可以先执行df = df.dropna(subset=['cpv'])过滤空行，避免拆分时出现异常。

方法2：保留原始行结构，ID和描述存储为列表 #

如果不需要拆分行为多行，希望每行还是对应原始的一条数据，可以用提取+分组聚合的方式：

# 提取所有cpvid和cpvdescription，按原始行索引分组聚合为列表
extract_df = df['cpv'].str.extractall(r'(?P<cpvid>[\d-]+)\s+-\s+(?P<cpvdescription>[^|]+)')
extract_df['cpvdescription'] = extract_df['cpvdescription'].str.strip()
# 按原始行索引聚合，合并到原DataFrame
df[['cpvid', 'cpvdescription']] = extract_df.groupby(level=0).agg(list)

这种方式得到的cpvid和cpvdescription都是列表格式，对应原始行中所有的ID和描述。

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