本文介绍如何使用 Pandas 将同一分组（如 Sample）下分散在 Subject 列中的不同语义值（人名、地名、物品名），按固定顺序分别填充至对应的语义列（Person、Place、Thing），实现结构化重组。
本文介绍如何使用 pandes 将同一分组（如 sample）下分散在 `subject` 列中的不同语义值（人名、地名、物品名），按固定顺序分别填充至对应的语义列（`person`、`place`、`thing`），实现结构化重组。
在实际数据清洗中，常遇到“扁平化存储但语义分层”的情况：原始数据将不同类型实体（如人、地点、物品）统一存于一列，而它们在逻辑上应归属不同字段。本例中，每个 Sample 组含恰好三条记录，依次对应 Person → Place → Thing，需将其有序“映射”到对应列。
核心思路是：按 Sample 分组 → 提取每组 Subject 值的有序列表 → 将该列表解包为带索引的 Series（索引即目标列名）→ 展开为宽表。
以下是完整、健壮的实现代码：
import pandas as pd
# 示例数据构建（注意：原始 Subject 列含空字符串或 NaN，此处用空字符串模拟）
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": ["", "", "", "", "", ""]
})
# ✅ 关键步骤：分组 + 有序映射 + 展开
out = (
df.groupby("Sample")["Subject"]
.apply(lambda x: pd.Series(x.tolist(), index=["Person", "Place", "Thing"]))
.reset_index()
)
# 若需保留原始 Subject 列（通常为首条记录，即 Person 值），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
✅ 注意事项与最佳实践：
- 顺序敏感性：该方法严格依赖每组内 Subject 值的出现顺序（第1个→Person，第2个→Place，第3个→Thing）。请确保原始数据已按语义顺序排序，或先用 sort_values() 预处理。
-
组内数量校验：若某 Sample 组不足3条记录，pd.Series(...) 会自动补 NaN；若超过3条，仅取前3个。建议增加校验逻辑：
assert all(df.groupby("Sample")["Subject"].count() == 3), "每组必须恰好含3个Subject值" - 空值/缺失处理：若原始 Subject 含 NaN，x.tolist() 会保留 nan，后续可链式调用 .fillna("") 清洗。
- 扩展性提示：如语义列更多（如加 Action、Time），只需同步扩展 index=["Person","Place","Thing","Action"] 及确保输入顺序一致。
此方案避免了 pivot（需唯一行列组合）和 transpose（破坏分组结构）的局限，以简洁的函数式链式操作完成语义列对齐，是 Pandas 数据重塑的经典范式之一。
