包含列表的字符串数据拆分成多列

要将包含列表的字符串数据拆分成多列，可以按照以下步骤操作：

---

步骤 1：解析字符串为列表

使用 ast.literal_eval 将字符串安全转换为 Python 列表：

import pandas as pd
import ast

data = {'original_titles': ["['war action', 'comedy romance', 'drama thriller']"]}
df = pd.DataFrame(data)

# 将字符串转换为列表
df['original_titles'] = df['original_titles'].apply(ast.literal_eval)

---

步骤 2：横向拆分列表为多列

将列表中的每个元素分配到独立的列，并重命名列名：

# 拆分列表为多列
expanded_df = df['original_titles'].apply(pd.Series)

# 重命名列名（original_titles_1, original_titles_2, ...）
expanded_df.columns = [f'original_titles_{i+1}' for i in range(expanded_df.shape[1])]

# 合并回原 DataFrame
df = pd.concat([df.drop('original_titles', axis=1), expanded_df], axis=1)

---

输出结果

original_titles_1	original_titles_2	original_titles_3
war action	comedy romance	drama thriller

---

完整代码示例

import pandas as pd
import ast

# 示例数据
data = {'original_titles': ["['war action', 'comedy romance', 'drama thriller']"]}
df = pd.DataFrame(data)

# 1. 将字符串转换为列表
try:
    df['original_titles'] = df['original_titles'].apply(ast.literal_eval)
except SyntaxError:
    # 若格式不标准，手动处理（例如去除多余符号后拆分）
    df['original_titles'] = (
        df['original_titles']
        .str.replace(r"[\[\]']", "", regex=True)
        .str.split(', ')
    )

# 2. 横向拆分为多列
expanded_df = df['original_titles'].apply(pd.Series)
expanded_df.columns = [f'original_titles_{i+1}' for i in range(expanded_df.shape[1])]

# 3. 合并结果
df = pd.concat([df.drop('original_titles', axis=1), expanded_df], axis=1)

print(df)

---

处理异常情况

1. 字符串格式错误：
   如果原始字符串的格式不标准（如缺少引号或括号），可以使用正则表达式清洗数据：

   df['original_titles'] = (
       df['original_titles']
       .str.replace(r"[\[\]']", "", regex=True)  # 删除 [ ] 和引号
       .str.split(', ')                          # 按逗号和空格拆分
   )
   

2. 列表长度不一致：
   若某些行的列表较短，生成的列会自动填充 NaN，例如：

   data = {'original_titles': ["['war action', 'comedy romance']", "['drama thriller']"]}
   

   输出结果为：

   original_titles_1	original_titles_2	original_titles_3
   war action	comedy romance	NaN
   drama thriller	NaN	NaN

---

总结

• 横向拆分：适合按顺序保留元素（如标题的主次顺序）。
• 异常处理：确保数据格式统一，必要时手动清洗。
• 灵活性：apply(pd.Series) 自动处理不同长度的列表，用 NaN 填充缺失值。