### 将DataFrame每行数据按条件拆分为多列 在Python中，`pandas`库提供了多种方式来实现将DataFrame的某列按照特定规则拆分为多个新列的操作。以下是几种常见的方法及其具体实现。 #### 方法一：基于分隔符拆分 如果目标列的数据是以某种固定字符（如逗号、空格或其他特殊符号）作为分隔符，则可以直接使用 `str.split()` 函数配合 `expand=True` 参数完成拆分操作[^2]。 ```python import pandas as pd # 构造示例 DataFrame data = {'row': ['12345 67890', '23456 78901', '34567 89012']} df = pd.DataFrame(data) # 基于空格拆分 row 列为两列 result = df['row'].str.split(' ', expand=True) result.columns = ['col1', 'col2'] # 设置新的列名 print(result) ``` 此代码会将原始的 `row` 列依据空格分割成两个独立的新列，并赋予它们自定义的名字。 --- #### 方法二：通过 Series 转换 当某一列为嵌套列表形式时，可将其转化为单独的一系列列。这种方法适用于更复杂的场景，比如该列本身存储的是 Python 列表对象而非简单字符串[^3]。 ```python import pandas as pd # 初始化带有列表类型的 DataFrame data = {'scores': [[90, 85, 88], [92, 87, None], [None, 89, 91]]} df_scores = pd.DataFrame(data) # 应用 apply(pd.Series)，并重命名各子列 expanded_df = df_scores['scores'].apply(pd.Series).rename(columns=lambda x: f'score_{x+1}') final_result = pd.concat([df_scores.drop('scores', axis=1), expanded_df], axis=1) print(final_result) ``` 上述脚本展示了如何把包含成绩数组的一个字段扩展成为三个分别代表不同科目分数的新字段。 --- #### 方法三：结合 reindex 实现重复与赋值逻辑 对于某些情况下不仅需要展开还要复制原有记录的情况，可以采用 `reindex` 配合 `assign` 来达成目的[^1]。 ```python import pandas as pd import numpy as np # 定义测试用 DataFrame df = pd.DataFrame({'ID': [1, 2], 'Values': [[10, 20], [30, 40]]}) # 展开 Values 列至多行表示法 new_rows = df.reindex(df.index.repeat(df.Values.str.len())) flattened_values = new_rows.assign(Value=np.concatenate(new_rows.Values)).drop('Values', axis=1) print(flattened_values) ``` 这段程序先让每一项都对应其长度倍数的数量级副本，随后扁平化内部集合内容到单一层面上去形成最终表格视图。 --- #### 总结说明 以上三种策略覆盖了大部分实际应用场景下的需求——无论是单纯依靠定界符解析还是针对复杂结构进行深入剖析均有所涉及。选择合适的技术手段取决于源数据的具体特性和期望得到的结果样式。