Python使用Pandas进行复杂表结构处理的解决方案【教学】

Pandas处理复杂表结构的核心是理清数据关系与操作意图。需先识别宽表、嵌套列、混合粒度等真实结构类型，再用assign+pipe链式表达清晰逻辑，合并时用validate和indicator提前校验，透视时善用set_index/unstack/stack组合。

用Pandas处理复杂表结构，核心不是堆砌函数，而是理清“数据关系”和“操作意图”。多数卡点不在语法，而在没想清楚：这表到底是什么逻辑？要变换成什么形态？

一、识别表的真实结构类型

别急着写groupby或merge，先看表是哪种“复杂”：

• 宽表带多级列头（如Excel里合并单元格生成的列名）→ 用df.columns = df.columns.droplevel(0)或pd.MultiIndex.from_tuples()拆解
• 行内含嵌套结构（如某列存JSON字符串、字典文本）→ 先ast.literal_eval()转为Python对象，再pd.json_normalize()展开
• 混合粒度混存（如订单主表+明细行挤在同一张表，靠空值/重复值区分）→ 用df['id'].notna().cumsum()生成分组标识，再groupby分离主子数据

二、用assign + pipe替代链式赋值，保持逻辑可读

避免写一堆df['col'] = ...后又df = df[...]，容易出错且难调试。推荐这样组织变换步骤：

df = (df
      .assign(order_date=lambda x: pd.to_datetime(x['date_str'], format='%Y%m%d'))
      .assign(amount_net=lambda x: x['amount'] * (1 - x['discount_rate']))
      .pipe(lambda x: x[x['order_date'] >= '2024-01-01'])
      .pipe(lambda x: x.groupby(['region', 'product']).agg({'amount_net': 'sum'}).reset_index())
)

登录后复制

每步命名清晰、可单独测试，pipe还能插入自定义清洗函数（比如去重逻辑封装成clean_phone(x)）。

立即学习“Python免费学习笔记（深入）”；

标签： excel python js json 工具