1. 背景与需求

在处理数据中，往往需要做多维特征提取（一对多），如下：
在这里插入图片描述
一个企业会有多个擅长领域，为了作多维度数据特征分析，需要将‘企业画像’中单元格的数据进行拆分成为一行一个特征的数据样式，且其他列数据保持不变，简单的demo（以随机两个公司为例）如下

2. 问题解决

这里需要使用pandas中的explode方法，注意此方法是在0.25.0版本之后才有，所以确认当前的pandas版本是在此之上，查看某个库的版本可以使用如下代码

import pandas
print(pandas.__version__)

0.25.3 #当前的版本

2.1 官方示例

df.explode() 方法的使用代码如下：

import pandas as pd
df = pd.DataFrame({'A': [[1, 2, 3], 'foo', [], [3, 4]], 'B': 1})
print(df)

print(df.explode('A'))

→ 输出的结果为：（会将一列的单元格数据进行拆分，注意数据的格式：列表里面多个元素）

           A  B
0  [1, 2, 3]  1
1        foo  1
2         []  1
3     [3, 4]  1

     A  B
0    1  1
0    2  1
0    3  1
1  foo  1
2  NaN  1
3    3  1
3    4  1

2.2 实际操作

首先导入库，进行文件数据的读取

import pandas as pd

data = pd.read_excel('data_ok.xlsx')
data.head(10)

→ 输出的结果为：（文件数据导入成功）
在这里插入图片描述

2.2.1 采坑

观察官方给出的示例，为了确保数据的格式一样，先把格式化为统一，因此就对‘企业画像’这个字段进行数据处理

data['企业画像'] = data['企业画像'].apply(lambda x:[x.replace('、',', ')])
data.head(10)

→ 输出的结果为：（在jupyter notebook里面这里看上去是和官方是一致的）
在这里插入图片描述
然后在按照‘企业画像’字段进行拆分数据，运行代码及输出的结果如下，会发现并没有出现想要的结果

2.2.2 问题纠错

碰巧的是我在spyder里面运行相同的代码，然后在调试的过程中，发现中间进行目标格式转化时，spyder的变量查看器里的数据格式是和jupyter notebook中不一样（列表里面只有一个元素）。当执行完数据格式转化之后，spyder中的数据如下
在这里插入图片描述
区别在于，jupyter notebook在显示数据的时候将代表字符串格式的引号省去了，但是spyder中是显示出来了。因此可以推测：虽然在jupyter notebook中数据看上去是一致的，但是格式上并没有化为一致，这也就是为什么直接explode之后并没有出现我们想要的结果的原因，接下来的操作中证实了这个猜测

3. 问题解决

还是修改‘企业画像’中单元格的数据格式，这次应该是将数据转为一个一个的元素，然后是列表的形式，就可以使用split方法，代码及输出结果如下：
在这里插入图片描述
然后为了再次体现出差异性，将相同的代码在spyder中运行，结果如下

然后再对比‘企业画像’中的数据，可以发现之间的区别：jupyter notebook在显示数据的时候会将引号省去，造成表面上数据格式的统一（也证实了之前的猜测），这次的数据格式是和官方示范的一样了，接下来就是进行数据拆分了