在數據處理時，有時需要對數據進行分列，類似于Excel里面的分列功能，這個在pandas里面也可以實現，下面就來詳細介紹相關的方法及注意點，前提是你已經對pandas有一定的了解

導入數據

這里介紹的是從Excel導入數據，當然也可以從其他文件導入、數據庫查詢后導入等，為了弄清楚里面的細節，本教程從Excel導入數據

import pandas as pd
import numpy as np

data=pd.read_excel('split.xlsx')

查看原始數據及各列數據類型，可以看到指標、選項都是object類型，其中選項列沒有缺失值

原始數據.png

對選項列進行分列

對導入的原始數據進行分列，這里運用的是pandas.Series.str.split方法，可以理解為把Series作為字符串進行分列操作，分列都是對字符串進行操作的

split_data=data['選項'].str.split(':',expand=True)   #需要添加expand=True，使分列后的數據擴展為一個數據框
split_data

原始數據分列.png

可以明顯看到分列后的數據，第1、5、6索引行全是缺失值，對比上面的原始數據，這些都是只有一個數字，難道分列方法split對只有一個數字不能分列嗎？其實則并不然，實際的原因請往下看

尋找原因

查看Excel里面的數據尋找原因，發現選項所在列，單個數字在Excel單元格是數字，其他的都是文本，因Excel里面數字一般都是在單元格里面都是靠右對齊，而文本都是靠左對齊

Excel數據.png

但是pandas導入數據后，已經查看了選項列為object類型，難道判斷的數據類型有問題？請繼續往下看

強制轉換數據類型，再次分列

data['選項']=data['選項'].astype('str')
#data['選項']=data['選項'].astype('object')     #這兩個代碼都可以轉換

split_data=data['選項'].str.split(':',expand=True)
split_data

數據類型轉換后再分列.png

合并數據

split_data.columns=['s_1','s_2','s_3','s_4']
data.join(split_data)   #join比較方便，根據索引直接對兩個表進行鏈接，而merge需要設置鏈接時的字段

成功分列后數據.png

分列時注意事項

1.導入數據后一定要檢查數據類型，不要急著去處理
2.分列前檢查該列數據類型，確保該列數據類型都是字符串類型，或者object類型，當數據量很大的時候這個很容易出錯

pandas里面數據類型對照

詳情請參考這篇博文，數據處理過程的數據類型

數據類型.jpg