如何扩展CSV表格冗余列？13列CSV数据组合扩展需求

没问题，我来帮你搞定这个CSV数据扩展的需求！你要把每条13列的记录拆分成多种接近但不完全相同的有效组合，还要处理缺失数据的情况，对吧？咱们用Python来实现这个逻辑，毕竟它处理CSV和数据组合特别顺手。

思路梳理 #

首先咱们把字段分成几个逻辑组，每个组内的字段是同类型的可选值，然后生成这些组之间的笛卡尔积组合，同时自动跳过空值：

• 姓名组：firstName/firstName2（名） + lastName/lastName2（姓），生成所有有效的名+姓搭配
• 位置组：location1-location4，每个非空位置都作为独立可选值
• 邮箱组：email/email2，每个非空邮箱作为独立可选值
• 电话组：phone-phone3，每个非空电话作为独立可选值

这样每条原始记录就能扩展成「名×姓×位置×邮箱×电话」的所有有效组合（如果某个组全空，就留空处理）。

代码实现 #

下面是完整的Python代码，你可以直接运行，记得替换输入输出的CSV路径：

import csv
from itertools import product

def clean_field(value):
    # 清洗字段：去掉首尾空格，空字符串转为None
    cleaned = value.strip() if isinstance(value, str) else value
    return cleaned if cleaned else None

def generate_combinations(record):
    # 提取每个组的非空值
    first_names = [v for v in [record['firstName'], record['firstName2']] if clean_field(v) is not None]
    last_names = [v for v in [record['lastName'], record['lastName2']] if clean_field(v) is not None]
    locations = [v for v in [record['location1'], record['location2'], record['location3'], record['location4']] if clean_field(v) is not None]
    emails = [v for v in [record['email'], record['email2']] if clean_field(v) is not None]
    phones = [v for v in [record['phone'], record['phone2'], record['phone3']] if clean_field(v) is not None]

    # 如果名或姓全空，跳过这条记录的组合（根据需求可调整）
    if not first_names or not last_names:
        return []

    # 生成笛卡尔积组合，处理空组的情况
    # 给空组添加一个None，保证product能正常生成
    locations = locations if locations else [None]
    emails = emails if emails else [None]
    phones = phones if phones else [None]

    combinations = []
    for fn, ln, loc, eml, ph in product(first_names, last_names, locations, emails, phones):
        # 构造新记录，保留原始列结构，仅填充当前组合的字段，其他留空
        new_record = {
            'firstName': fn,
            'firstName2': '',
            'lastName': ln,
            'lastName2': '',
            'location1': loc if loc else '',
            'location2': '',
            'location3': '',
            'location4': '',
            'email': eml if eml else '',
            'email2': '',
            'phone': ph if ph else '',
            'phone2': '',
            'phone3': ''
        }
        combinations.append(new_record)
    
    # 去重（避免相同组合重复生成）
    unique_combinations = [dict(t) for t in {tuple(d.items()) for d in combinations}]
    return unique_combinations

# 主流程
input_csv = 'input.csv'  # 替换成你的输入文件路径
output_csv = 'expanded_output.csv'

with open(input_csv, 'r', newline='', encoding='utf-8') as infile:
    reader = csv.DictReader(infile)
    fieldnames = reader.fieldnames

    with open(output_csv, 'w', newline='', encoding='utf-8') as outfile:
        writer = csv.DictWriter(outfile, fieldnames=fieldnames)
        writer.writeheader()

        for record in reader:
            # 生成当前记录的所有组合
            expanded_records = generate_combinations(record)
            # 写入所有组合
            for exp_record in expanded_records:
                writer.writerow(exp_record)

print(f"扩展完成！结果已保存到 {output_csv}")

关键细节说明 #

• 数据清洗：clean_field函数会自动去掉字段首尾空格，把空字符串转为None，避免无效的空值参与组合
• 空值处理：如果某个字段组全空（比如所有电话都为空），会用None占位，保证组合能正常生成，最终输出时转为空字符串
• 去重处理：通过集合去重，避免因原始字段重复（比如firstName和firstName2值相同）导致生成重复记录
• 列结构保留：扩展后的记录依然保持原始13列的结构，仅填充当前组合的字段，其他列留空（你可以根据需求调整这部分，比如保留原始其他字段的值）

自定义调整建议 #

如果你不想生成所有笛卡尔积，只想部分组合（比如每个记录只生成「名+姓」搭配任意一个位置/邮箱/电话），可以修改product的参数；如果希望保留原始记录的其他非组合字段，直接在new_record里把对应字段设为record['字段名']即可。

内容的提问来源于stack exchange，提问作者mas