如何拆分含多特征的单列，按特征名生成对应新列？

需要拆分包含多种特征的单列，为每个特征生成新列并以特征名作为列名。尝试的代码将字符串按单个字符拆分，不符合需求。

尝试的代码 #

data = {'col1': ["a=1", "b=2", "c=3"]}
# 原数据结构：
# col1
# 0  a=1
# 1  b=2
# 2  c=3

df['col2'] = df['col1'].apply(lambda x: pd.Series(x[0]))
df['col3'] = df['col1'].apply(lambda x: pd.Series(x[1]))
df['col4'] = df['col1'].apply(lambda x: pd.Series(x[2]))

#df['col5'] = df['col1'].apply(lambda x:x[3] if len(x) > 3 else None)
print(df)
new_df= df.drop('col1', axis=1)
print(new_df)

错误输出 #

col2 col3 col4
0    a    =    1
1    b    =    2
2    c    =    3 

输入数据示例 #

Column1
“Height = 12” 
…. (14 rows)
“Height = 18”
…. (16 rows)
“Weight = 40” 
…. (17 rows)
“Weight = 50” 
…. (3 rows)
“Colour = red” 
…. (8 rows)
“Colour = yellow” 

期望输出 #

Height          Weight          Colour
12              NaN             NaN
… (14 rows)     … (14 rows)     … (14 rows)
18              NaN             NaN
… (16 rows)     … (16 rows)     … (16 rows)
NaN             40              NaN
… (17 rows)     … (17 rows)     … (17 rows)
NaN             50              NaN
… (3 rows)      … (3 rows)      … (3 rows)
NaN             NaN             red
… (8 rows)      … (8 rows)      … (8 rows)
NaN             NaN             yellow
… (2 rows)      … (2 rows)      … (2 rows)

方法1：拆分字符串后重塑数据 #

核心思路是先拆分每行的特征名与对应值，再将数据转换为宽表格式。

1. 清理并拆分字符串
   先去除字符串中的引号和多余空格，再按=拆分出特征名与值：

   import pandas as pd
   
   # 模拟输入数据
   data = {
       'Column1': ['“Height = 12”']*14 + ['“Height = 18”']*16 + ['“Weight = 40”']*17 + 
                  ['“Weight = 50”']*3 + ['“Colour = red”']*8 + ['“Colour = yellow”']*2
   }
   df = pd.DataFrame(data)
   
   # 清理字符串并拆分特征与值
   df[['Feature', 'Value']] = df['Column1'].str.replace('“', '').str.replace('”', '').str.split(' = ', expand=True)
   

2. 转换为宽表格式
   使用pivot_table保留所有行，缺失值自动填充为NaN：

   result = df.pivot_table(index=df.index, columns='Feature', values='Value', aggfunc='first')
   # 重置索引（可选，根据需求调整）
   result = result.reset_index(drop=True)
   

方法2：正则提取特征与值 #

如果字符串格式固定，用正则表达式提取更精准：

# 提取特征名和对应值
df[['Feature', 'Value']] = df['Column1'].str.extract(r'“(\w+) = (\w+)”')
# 转换为宽表
result = df.pivot(index=df.index, columns='Feature', values='Value').reset_index(drop=True)

错误原因说明 #

你之前的代码中，x[0]是取字符串的第一个字符，所以会把"a=1"拆成单个字符'a'、'='、'1'，而非按键值对拆分。正确做法是先按分隔符拆分字符串，再提取键和值。

内容的提问来源于stack exchange，提问作者coridefe