Pandas将列拆分为行：处理含date与mentions列的DataFrame

别着急，这个问题确实很常见，用Pandas的几个内置方法就能轻松搞定！我先帮你拆解步骤，从拆分mentions列到最终统计，一步步来：

第一步：先明确原始数据结构（模拟示例） #

假设你的原始DataFrame是这样的（mentions列是逗号分隔的字符串）：

import pandas as pd

df = pd.DataFrame({
    'date': ['2023-10-01', '2023-10-01', '2023-10-02'],
    'mentions': ['Alice,Bob', 'Charlie', 'Bob,Alice']
})

第二步：拆分mentions列 #

核心用explode()方法，它能把列表类型的列拆成多行。如果你的mentions是字符串，先转成列表：

# 把字符串拆成列表，再拆分多行
df_split = df.assign(mentions=df['mentions'].str.split(',')).explode('mentions')

拆分后就得到你想要的格式：

⚠️ 小细节处理：

• 如果mentions里有空格（比如'Alice, Bob'），拆分后记得去空格：

  df_split = df.assign(mentions=df['mentions'].str.split(',').apply(lambda x: [s.strip() for s in x])).explode('mentions')
  

• 如果有空值，拆分后用dropna()去掉空行：

  df_split = df.assign(mentions=df['mentions'].str.split(',')).explode('mentions').dropna(subset=['mentions'])
  

第三步：按日期统计提及次数 #

拆分完成后，用groupby就能轻松统计了：

# 按日期+提及项分组，统计次数
final_df = df_split.groupby(['date', 'mentions']).size().reset_index(name='count')

得到的结果是：

如果想要宽表格式（每个提及项作为列），可以用pivot转置：

final_pivot = final_df.pivot(index='date', columns='mentions', values='count').fillna(0).astype(int)

结果如下：

这样就完全实现你的需求啦！

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