Pandas批量拆分时间区间列并命名的通用方法问询

当然有更高效的批量处理方式啦！你现在的重复代码不仅啰嗦，要是后面新增更多时间区间列（比如31-40、41-50...），还要逐个加代码，太麻烦了。下面给你两种通用的实现方式，任选其一都能搞定：

方式一：用循环批量处理（直观易懂） #

这种方式逻辑清晰，新手也能快速理解：

import pandas as pd

# 你的原始数据
df = pd.DataFrame()
df['Team'] = ['A','B','C']
df['0-10'] = ['4-0','2-2','3-2']
df ['11-20']= ['2-1','2-2','3-0']
df ['21-30'] = ['2-1','1-1','2-2']
df ['FH'] = ['5-3','6-6','5-5']
df ['SH'] = ['2-3','3-2','3-3']

# 第一步：筛选出所有需要拆分的时间区间列（排除Team、FH、SH）
time_interval_cols = [col for col in df.columns if col not in ['Team', 'FH', 'SH']]

# 第二步：循环处理每一个时间区间列，拆分后生成新列
for col in time_interval_cols:
    # 拆分"-"并生成两列：原列名+F（第一个值）、原列名+A（第二个值）
    df[[f"{col}F", f"{col}A"]] = df[col].str.split('-', expand=True)

# 可选：如果不需要保留原始的时间区间列，可以删掉它们
df = df.drop(time_interval_cols, axis=1)

print(df)

运行后你会得到预期的结果，新增的0-10F、0-10A、11-20F等列都正确拆分了数值。

方式二：用apply+concat实现（更简洁） #

如果你喜欢更简洁的代码，可以用pandas的apply和concat组合来一次性处理所有列：

import pandas as pd

# 原始数据同上，这里省略重复代码

time_interval_cols = [col for col in df.columns if col not in ['Team', 'FH', 'SH']]

# 批量拆分所有时间区间列，展开成新的DataFrame
split_result = df[time_interval_cols].apply(lambda x: x.str.split('-', expand=True))
# 给拆分后的列重命名：原列名+F/A
split_result.columns = [f"{col}{suffix}" for col in time_interval_cols for suffix in ['F', 'A']]

# 合并原始DataFrame（去掉旧的时间区间列）和拆分后的结果
final_df = pd.concat([df.drop(time_interval_cols, axis=1), split_result], axis=1)

print(final_df)

这两种方式都能完美实现你的需求，而且不管后面新增多少个时间区间列，代码都不需要修改，直接就能适配。

内容的提问来源于stack exchange，提问作者Zephyr