本文介绍如何使用 pandas 对按样本分组的单列数据（如 subject）进行结构化重分布，将其依次填充至 person、place、thing 等语义明确的目标列中，适用于清洗“堆叠式”非规范表格。
本文介绍如何使用 pandas 对按样本分组的单列数据（如 subject）进行结构化重分布，将其依次填充至 person、place、thing 等语义明确的目标列中，适用于清洗“堆叠式”非规范表格。
在实际数据清洗中，常遇到“纵向堆叠”的半结构化表格：同一 Sample 下的多个语义类型（人名、地名、物品名）被统一存入 Subject 列，而其他列为空。目标是将每组内有序的三个值（Person → Place → Thing）分别映射到对应列，形成宽表结构。
核心思路是：按 Sample 分组 → 提取每组 Subject 值序列 → 显式赋值给预定义列名 → 重塑为宽格式。推荐解法如下：
import pandas as pd
# 示例原始数据
df = pd.DataFrame({
"Sample": ["1-1", "1-1", "1-1", "1-2", "1-2", "1-2"],
"Subject": ["Janet", "Boston", "Hat", "Chris", "Austin", "Scarf"],
"Person": ["", "", "", "", "", ""],
"Place": ["", "", "", "", "", ""],
"Thing": ["", "", "", "", "", ""]
})
# 关键操作：分组 + 序列展开 + 列对齐
out = (
df.groupby("Sample")["Subject"]
.apply(lambda x: pd.Series(x.tolist(), index=["Person", "Place", "Thing"]))
.unstack(level=1) # 将列索引（Person/Place/Thing）转为列
.reset_index()
)
# 若需保留原始 Subject 列（通常等于 Person），可显式添加
out["Subject"] = out["Person"]
print(out)
输出结果：
Sample Person Place Thing Subject 0 1-1 Janet Boston Hat Janet 1 1-2 Chris Austin Scarf Chris
✅ 注意事项：
- 此方法假设每组 Sample 下 Subject 值严格按 Person → Place → Thing 顺序排列，且数量恒为 3；若顺序不固定或数量不一致，需先排序或补充逻辑校验（如 x.iloc[0], x.iloc[1] 显式索引）。
- pd.Series([...], index=[...]) 是关键——它将列表值与语义列名精准绑定，避免依赖位置的歧义。
- .unstack(level=1) 将分组后产生的多级列（Sample 为 level-0，Person/Place/Thing 为 level-1）展平为标准列，是实现“行→列”映射的核心步骤。
该方案简洁、可读性强，无需 pivot 或 melt 等复杂操作，直击“语义化列分配”这一典型清洗需求。
