Pandas：如何将CSV单列数据按分隔符拆分为多列？

Hey there! Welcome to Stack Overflow 😊 很高兴你第一次发帖就已经提前了解了部分规范，这点做得超棒！

针对你遇到的「把单列CSV拆分成多列」的问题，我先把你给出的示例数据整理下，方便大家理解：

原始单列CSV内容示例：

School ID,name,type,size,budget
0 0,Huang High School,District,2917,1910635
1 1,Figueroa High School,District,2949,1884411
2 2,Shelton High School,Charter,1761,1056600

看起来你的数据里，每一行开头多了一个重复的索引数字（比如0 0），然后才是用逗号分隔的目标字段。下面给你几个实用的解决方案，覆盖代码、无代码、命令行三种场景：

方案1：用Python Pandas（最适合后续数据分析） #

如果你本来就要用Python做数据分析，Pandas绝对是最高效的选择，步骤很清晰：

1. 先读取你的单列CSV文件：

import pandas as pd

# 读取文件，指定列名为raw_data
df = pd.read_csv('你的文件名.csv', header=0, names=['raw_data'])

2. 提取表头并处理数据行：

# 从第一行提取表头，拆分成列名列表
new_columns = df.iloc[0]['raw_data'].split(',')
# 从第二行开始取所有数据行
data_rows = df.iloc[1:]

# 定义处理每行数据的函数：去掉开头的索引数字和空格，再按逗号拆分
def clean_and_split(row):
    # 去掉第一个空格前的内容，比如"0 0,"变成"0,"
    cleaned_content = row['raw_data'].split(' ', 1)[1]
    # 按逗号拆分成对应字段
    return pd.Series(cleaned_content.split(','))

# 应用函数处理所有数据行
processed_df = data_rows.apply(clean_and_split, axis=1)
# 设置新的列名
processed_df.columns = new_columns

3. 保存成正常的多列CSV：

processed_df.to_csv('拆分后的文件名.csv', index=False)

这样处理完的文件直接就能用来做数据分析啦。

方案2：用Excel（无需写代码） #

如果你不想碰代码，用Excel也能轻松搞定：

• 第一步：打开你的CSV文件，所有数据会集中在A列。
• 第二步：先处理开头的冗余索引：在B2单元格输入公式 =RIGHT(A2, LEN(A2)-FIND(" ", A2))，按回车后下拉填充整个B列，这样就去掉了每行开头的数字和空格。
• 第三步：选中B列，点击顶部菜单栏的「数据」→「分列」：
  1. 向导第一步选「分隔符号」，点下一步；
  2. 第二步勾选「逗号」作为分隔符，点下一步；
  3. 第三步直接点完成，数据就拆成多列了。
• 最后把第一行的表头改成School ID、name、type、size、budget，保存文件即可。

方案3：用命令行工具（适合熟悉终端的用户） #

如果你习惯用命令行，用awk可以快速处理：

# 先写入正确的表头到新文件
echo "School ID,name,type,size,budget" > 拆分后的文件名.csv
# 处理原始文件，去掉每行开头的冗余索引，追加到新文件（跳过第一行表头）
awk -F' ' '{print substr($0, index($0,$2))}' 你的文件名.csv | tail -n +2 >> 拆分后的文件名.csv

如果你的数据还有特殊情况（比如字段内容里包含逗号），可以随时补充说明，我再帮你调整方案~

内容的提问来源于stack exchange，提问作者Ashok B. Raife