### 旧版本 Pandas 中正确拆分作者列的解决方案 在旧版本 Pandas 中，如果尝试对包含列表或非结构化数据的列进行拆分操作时，可能会遇到报错问题。这通常是因为数据类型不一致或方法使用不当导致的[^3]。以下是针对该问题的具体解决方法。 #### 数据类型的统一 在处理 `Author_作者` 列时，必须确保列中的所有值均为字符串类型。如果某些单元格包含列表或其他复杂结构，可以先将其转换为字符串形式： ```python data['Author_作者'] = data['Author_作者'].apply(lambda x: ', '.join(x) if isinstance(x, list) else str(x)) ``` 上述代码会将列表类型的单元格转换为以逗号分隔的字符串，同时将其他非字符串类型的值强制转换为字符串[^1]。 #### 使用正则表达式去除多余符号 如果列中的值包含多余的中括号或引号（例如 `'[张三, 李四]'`），可以使用正则表达式将其清理： ```python import re data['Author_作者'] = data['Author_作者'].apply(lambda x: re.sub(r'[\[\]\']', '', str(x)) if pd.notna(x) else x) ``` 此代码通过正则表达式移除了方括号和单引号，确保最终结果为干净的字符串[^2]。 #### 拆分列并创建新列 完成数据清理后，可以使用 `str.split` 方法将作者列按逗号拆分为多个部分，并将结果存储为新的 DataFrame 列： ```python data[['Author_1', 'Author_2']] = data['Author_作者'].str.split(',', n=1, expand=True) ``` 上述代码将 `Author_作者` 列按逗号拆分为两部分，并分别存储为 `Author_1` 和 `Author_2` 列。如果需要拆分为更多部分，可以调整 `n` 参数。 #### 示例代码 以下是一个完整的示例，展示如何在旧版本 Pandas 中正确拆分作者列： ```python import pandas as pd import re # 创建示例数据框 data = { 'SrcDatabase_来源库': ['A', 'B', 'C'], 'Title_题名': ['Title1', 'Title2', 'Title3'], 'Author_作者': ["['张三', '李四']", "['王五']", None] } data = pd.DataFrame(data) # 将列表转换为字符串并去除多余符号 data['Author_作者'] = data['Author_作者'].apply(lambda x: re.sub(r'[\[\]\']', '', str(x)) if pd.notna(x) else x) # 拆分作者列 data[['Author_1', 'Author_2']] = data['Author_作者'].str.split(',', n=1, expand=True) print(data) ``` #### 注意事项 - 在旧版本 Pandas 中，某些方法可能未完全支持矢量化操作，因此需要使用 `.apply` 或其他替代方法。 - 确保在执行任何操作之前备份原始数据，以防止不可逆的修改。 --- ###