本文详解如何将 CSV 文件中以分号分隔、且某些字段含逗号分隔多值（如 "1, 5"、"Monday, Tuesday"）的表格数据，通过 Pandas 正确解析、拆分、展开并导出为符合业务逻辑的嵌套 JSON —— 每个主记录对应一个对象，其 patterns 字段为由多个子对象组成的数组。
本文详解如何将 csv 文件中以分号分隔、且某些字段含逗号分隔多值（如 `"1, 5"`、`"monday, tuesday"`）的表格数据，通过 pandas 正确解析、拆分、展开并导出为符合业务逻辑的嵌套 json —— 每个主记录对应一个对象，其 `patterns` 字段为由多个子对象组成的数组。
在处理配置类或调度规则类 CSV 数据时，常见一种“宽表扁平化”设计：同一行内用逗号分隔多个逻辑上并列的值（例如多个频次计数、多个工作日、多个调度类型）。若直接用 to_dict('records') 转 JSON，这些逗号分隔字符串会被整体保留，无法生成真正的嵌套数组结构——这正是问题核心：CSV 加载本身无错，但后续未对多值字段做语义化解析与行展开。
要达成目标输出（即每个 patterns 是一个对象列表，每个对象对应一组对齐的拆分值），需四步关键操作：
✅ 1. 正确加载 CSV，避免空值误解析
使用 keep_default_na=False 防止 'null' 字符串被转为 NaN，同时显式指定 dtype=object 保留下列原始字符串格式：
import pandas as pd
df = pd.read_csv("data.csv", delimiter=';', keep_default_na=False, dtype=object)✅ 2. 将多值字符串列转为 Python 列表
对 frequency_count、schedule_type、day_of_week、Comments 等列，用正则 str.split(", ?") 安全分割（兼容 "1, 5" 和 "Thursday,Friday"）：
multi_cols = ["frequency_count", "schedule_type", "day_of_week", "Comments"]
for col in multi_cols:
df[col] = df[col].str.split(r",\s*")⚠️ 注意：此处正则 r",\s*" 可匹配逗号后任意空格，比简单 "," 更鲁棒。
✅ 3. 使用 explode() 展开多值列（关键步骤）
Pandas 的 explode() 可将列表元素逐行展开，自动对齐所有指定列（要求各列列表长度一致，否则抛异常）：
df = df.explode(multi_cols, ignore_index=False) # 保持原始索引便于后续分组
展开后，原第1行（Pattern 2）将变为2行，每行携带一对对齐的 frequency_count/schedule_type/day_of_week 值。
✅ 4. 构建嵌套结构并聚合导出 JSON
- 先构造 patterns 子对象列：
df["patterns"] = df[["frequency_count", "schedule_type", "day_of_week"]].to_dict("records") - 统一处理 Comments：将 NaN 或字符串 'null' 统一转为 "null"（按需求可改为 None）：
df["Comments"] = df["Comments"].fillna("null").replace("null", "null") - 按主键列分组聚合 patterns 成列表，并导出 JSON：
result = ( df.groupby(["name", "frequency", "frequency_start_date", "Comments"], dropna=False) .apply(lambda x: x["patterns"].tolist()) .reset_index(name="patterns") .to_json(orient="records", indent=4) ) print(result)
✅ 最终输出中，patterns 是标准 JSON 数组，每个元素为独立对象；Comments 字段统一为字符串 "null"（若需 null 类型，改用 None 并确保 to_json(default_handler=str) 兼容）。
总结：该方案本质是「先归一化（split → list）、再爆炸（explode → 行对齐）、后聚合（groupby + list）」，完全规避了手动循环或 zip 的易错性，且充分利用 Pandas 向量化能力，适用于万级数据规模。务必验证各多值列拆分后长度是否一致——这是 explode 成功的前提。
