本文介绍如何使用正则表达式和 Pandas 的 str.extractall、pivot 等方法，从含分号分隔的键值对（如 "1:0.25; 3:0.33"）的字符串列中精准提取数值，并按索引编号（1→A、2→B…6→F）自动分配到对应新列。
本文介绍如何使用正则表达式和 pandas 的 `str.extractall`、`pivot` 等方法，从含分号分隔的键值对（如 `"1:0.25; 3:0.33"`）的字符串列中精准提取数值，并按索引编号（1→a、2→b…6→f）自动分配到对应新列。
在实际数据分析中，常遇到将结构化信息“压缩”存储于单个字符串字段的情况——例如 OverallRatio 列中每条记录为形如 "1:0.25; 3:0.33; 5:0.5" 的键值对序列，其中数字（1, 3, 5）代表指标编号，小数（0.25, 0.33, 0.5）为对应值。目标是将这些值解包并分别填入预定义的六列 A–F（即编号 1→A、2→B、3→C、4→D、5→E、6→F），缺失编号则补 0。
实现的关键在于三步解析：拆分 → 提取 → 透视映射。以下为完整可执行方案：
import pandas as pd
# 示例数据
df = pd.DataFrame({
"OverallRatio": [
"1:0.25; 3:0.33; 5:0.5",
"5:0.25; 6: 0.75",
"1:0.5; 6:0.33",
"2:0.25; 4:0.5"
]
})
# 步骤 1：用正则提取所有 "key:value" 对（支持空格）
x = df["OverallRatio"].str.extractall(r"(\S+):([^;]+)").droplevel(1).reset_index()
# 步骤 2：以原始行索引为行、key为列、value为值进行透视；缺失值填0
x = x.pivot(index="index", columns=0, values=1).fillna(0).rename_axis(columns=None, index=None)
# 步骤 3：将列名 '1','3','5'... 映射为 'A','C','E'...（1→A, 2→B, ..., 6→F）
x.columns = [chr(ord("A") + (int(c) - 1)) for c in x.columns]
# 步骤 4：合并回原表
result = pd.concat([df, x], axis=1)
print(result)✅ 输出结果：
OverallRatio A B C D E F 0 1:0.25; 3:0.33; 5:0.5 0.25 0 0.33 0 0.5 0 1 5:0.25; 6: 0.75 0 0 0 0 0.25 0.75 2 1:0.5; 6:0.33 0.5 0 0 0 0 0.33 3 2:0.25; 4:0.5 0 0.25 0 0.5 0 0
? 关键说明与注意事项：
- 正则 r"(\S+):([^;]+)" 中，\S+ 匹配非空白键（如 "1" 或 "6"），[^;]+ 匹配直到分号前的值（自动跳过末尾空格，如 " 0.75" → "0.75"）；
- str.extractall() 返回 MultiIndex DataFrame，需 droplevel(1) 去除匹配组层级，再 reset_index() 恢复原始行索引；
- pivot() 要求列名唯一且无重复键；若某行出现重复编号（如 "1:0.1; 1:0.9"），默认保留首次匹配，如需聚合可改用 pivot_table 并指定 aggfunc；
- 映射逻辑 chr(ord("A") + (int(c)-1)) 严格限定输入键为 1~6 的整数字符串；若存在非法键（如 "7:0.1"），会触发 ValueError，建议前置校验：x[0].apply(lambda s: s.isdigit() and 1 <= int(s) <= 6).all()；
- 若列数不固定或需动态扩展（如支持 A–Z），可将映射逻辑改为字典配置或基于最大键值生成列名。
该方法兼具鲁棒性与可扩展性，适用于日志解析、配置反序列化、ETL 清洗等典型场景。
