Python中DataFrame字符串列表列拆分多列的实现问题

嘿，这个问题我之前踩过坑！你遇到的AttributeError是因为直接对整个Series调用了strip()——这个方法是单个字符串的专属技能，Series本身没有它。得换个思路，对Series里的每个字符串元素单独处理才行，下面给你几个靠谱的解决方案：

方法一：用Pandas str向量化方法（高效首选） #

Pandas的str属性可以让你对Series里的所有字符串元素批量执行字符串操作，速度超快，适合大数据集：

import pandas as pd

# 先模拟你的数据
df = pd.DataFrame({'helpful': ['[2, 4]', '[0, 0]', '[0, 1]', '[7, 13]', '[4, 6]']})

# 一步拆分并赋值新列
df[['helpful', 'not_helpful']] = df['helpful'].str.strip('[]')\
                                              .str.split(',', expand=True)\
                                              .astype(int)

步骤解析： #

1. str.strip('[]')：给每个字符串去掉首尾的方括号，比如'[2,4]'变成'2,4'
2. str.split(',', expand=True)：按逗号分割每个字符串，并且把结果展开成一个新的DataFrame（两列）
3. astype(int)：把分割后的字符串转成整数类型
4. 直接赋值给新的两列，覆盖原列或者新增都可以（这里我直接覆盖了原helpful列，你也可以改成新的列名）

方法二：用apply批量处理单个元素 #

如果你更习惯自己写处理逻辑，可以用apply把你原来处理单行的代码批量应用到整个列：

def parse_helpful_str(s):
    # 先去掉方括号，再分割，还要处理可能的空格，最后转成整数
    num_list = [int(num.strip()) for num in s.strip('[]').split(',')]
    # 返回一个Series，方便后续合并
    return pd.Series(num_list, index=['helpful', 'not_helpful'])

# 把处理结果合并回原DataFrame
df = df.join(df['helpful'].apply(parse_helpful_str))

这个方法灵活性更高，如果你的字符串格式有特殊情况（比如偶尔有多余的符号），可以在函数里加判断，但速度比方法一慢一些，适合小数据集。

方法三：用ast.literal_eval解析成真实列表（容错性最强） #

如果你的字符串格式不太规范（比如有的多空格、有的少空格），用ast.literal_eval把字符串直接转成Python列表是最稳妥的：

import ast

# 把字符串转成真实的列表
df['helpful_list'] = df['helpful'].apply(ast.literal_eval)
# 把列表列拆成两列
df[['helpful', 'not_helpful']] = pd.DataFrame(df['helpful_list'].tolist(), index=df.index)
# 删掉中间的列表列（可选）
df = df.drop('helpful_list', axis=1)

ast.literal_eval会安全地把字符串形式的列表、字典等转成Python原生对象，不用担心格式小问题导致报错，非常适合格式不太统一的数据。

内容的提问来源于stack exchange，提问作者Jake Park