单独的csv列，而一行单元格具有不同数量的元素答案

【问题标题】：separate csv columns while a row of cell have different number of elements单独的csv列，而一行单元格具有不同数量的元素
【发布时间】：2021-04-12 13:11:34
【问题描述】：

我有一个如下所示的 csv 文件：

我想把它转换成这样的：

问题是每列的第一行有 4 个元素，而其余行有 7 个元素。我想让它们保持一致。我也想保持原来的列分离。

有人对如何实现这一点有任何想法吗？

【问题讨论】：

标签： python pandas csv

【解决方案1】：

假设您的df 是这样的：

                          0                         1                         2
0    read pass 1000K times.    read pass 2000K times.    read pass 3000K times.
1  MAX BER WL layer 0 == 11  MAX BER WL layer 0 == 18  MAX BER WL layer 0 == 18
2   MAX BER WL layer 1 == 5  MAX BER WL layer 1 == 15  MAX BER WL layer 0 == 15

您可以在每一列上使用.str.split(expand=True)，并在结果上使用concat()：

out = pd.concat([df[column].str.split(expand=True) for column in df.columns], axis=1)

	0	1	2	3	4	5	6	0	1	2	...	4	5	6	0	1	2	3	4	5	6
0	read	pass	1000K	times.	None	None	None	read	pass	2000K	...	None	None	None	read	pass	3000K	times.	None	None	None
1	MAX	BER	WL	layer	0	==	11	MAX	BER	WL	...	0	==	18	MAX	BER	WL	layer	0	==	18
2	MAX	BER	WL	layer	1	==	5	MAX	BER	WL	...	1	==	15	MAX	BER	WL	layer	0	==	15

示例df供参考：

csv = '''
read pass 1000K times.,read pass 2000K times.,read pass 3000K times.
MAX BER WL layer 0 == 11,MAX BER WL layer 0 == 18,MAX BER WL layer 0 == 18
MAX BER WL layer 1 == 5,MAX BER WL layer 1 == 15,MAX BER WL layer 0 == 15
'''
df = pd.read_csv(StringIO(csv), header=None)

【讨论】：