如何在Anaconda中用Pandas将分号分隔的单列CSV拆分为多列？

嘿，这个需求完全可以实现！不管是加载文件时直接拆分多列，还是先加载成单列再处理，Pandas都能轻松搞定。针对你提到的太阳黑子数据，我给你两种具体的实现方案：

因为你的文件是用;作为分隔符的TXT文件，Pandas的read_csv函数其实完全支持处理这类文件，只需要指定分隔符参数就能一步到位拆分多列：

import pandas as pd

# 直接加载并按分号拆分列，header=None表示文件没有表头
df = pd.read_csv('sunspot_data.txt', sep=';', header=None)

# 给拆分后的列命名（对应太阳黑子数据的标准字段）
df.columns = ['Year', 'Month', 'Day', 'Decimal_Date', 'Sunspot_Number', 'Std_Dev', 'Observations', 'Flag']

这个方法最高效，不需要额外的后续处理，适合你提前明确知道分隔符的场景。

如果已经不小心把数据加载成了单列（比如没指定分隔符），也可以用字符串拆分功能来补救：

import pandas as pd

# 先加载成单列（假设此时整个行数据都在一列里）
df = pd.read_csv('sunspot_data.txt', header=None, names=['Raw_Data'])

# 按分号拆分单列数据，expand=True会自动把拆分结果转为多列
split_df = df['Raw_Data'].str.split(';', expand=True)

# 同样给列命名
split_df.columns = ['Year', 'Month', 'Day', 'Decimal_Date', 'Sunspot_Number', 'Std_Dev', 'Observations', 'Flag']

# 可选：将数值型字段转换为对应数据类型（避免默认的字符串类型）
split_df[['Year', 'Month', 'Day', 'Sunspot_Number', 'Observations']] = split_df[['Year', 'Month', 'Day', 'Sunspot_Number', 'Observations']].astype(int)
split_df[['Decimal_Date', 'Std_Dev']] = split_df[['Decimal_Date', 'Std_Dev']].astype(float)

这个方案灵活度更高，适合加载后才发现需要拆分列的情况。

两种方案都能完美处理你的太阳黑子数据，根据自己的实际情况选就行~

内容的提问来源于stack exchange，提问作者Steven Matthews