如何在Pandas DataFrame中按||||拆分列？已尝试方案未生效

我来帮你搞定这个拆分列的问题！先梳理下你的场景：

你CSV里的目标列内容是这样的：

[u"ABC||||'ABCDadfasf||||'random something', 'another random']
[u"ABCD||||'ABCDadfasf||||'random somethingadf', 'another random adsd']
[u"ABDC||||'ABCDasdadfasf||||'random something random', 'another something random']

想要按||||拆分成三列，但用了指定sep的read_csv后，列根本没被拆分，代码是这样的：

Cov = pd.read_csv("path to CSV.csv", sep='||||', names = ["col 1", "col 2", "col 3"], engine = 'python')

问题出在哪？ #

核心原因是：当你用engine='python'时，Pandas会把sep参数的字符串当作正则表达式来解析。而|在正则里是表示“或”的特殊符号，||||会被解析成匹配空字符串，自然没法正确识别你要的分隔符。

两种可行的解决方案 #

方案1：读取时直接转义分隔符

把|转义成正则能识别的字面量，有两种简洁写法：

# 写法1：给每个|加转义符
Cov = pd.read_csv("path to CSV.csv", sep='\\|\\|\\|\\|', names=["col 1", "col 2", "col 3"], engine='python')

# 写法2：用原始字符串（r开头）加转义，更清爽
Cov = pd.read_csv("path to CSV.csv", sep=r'\|\|\|\|', names=["col 1", "col 2", "col 3"], engine='python')

方案2：先读整列，再拆分（更稳妥）

如果怕正则转义搞混，不如先把整个列读进来，再用str.split按字面量拆分，这种方式更直观，不容易出错：

# 先读取CSV，假设原始数据没有表头，用names指定原始列名
df = pd.read_csv("path to CSV.csv", header=None, names=['original_col'])

# 按'||||'拆分，expand=True会自动把拆分结果转成多列
df[["col 1", "col 2", "col 3"]] = df['original_col'].str.split('||||', expand=True)

# 可选：删掉原始的合并列
df = df.drop('original_col', axis=1)

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