如何使用 Python 将 Excel 一列分成多列
在今天的教程中，我们将学习如何使用 Python 将 Excel 文件中的一列数据分成多列。这个操作在数据处理和分析中是非常常见的，例如，我们可能会遇到一个包含全名的列，而我们需要将其拆分成“名”和“姓”。
整体流程
以下是整个操作的主要步骤：
| 步骤 | 描述 |
|---|---|
| 1 | 安装必要的库 |
| 2 | 导入库并读取 Excel 文件 |
| 3 | 拆分目标列数据 |
| 4 | 将结果写入新的 Excel 文件 |
步骤详解
第一步：安装必要的库
首先，我们需要确保已经安装了 pandas 和 openpyxl 这两个库。pandas 是一个强大的数据处理和分析库，而 openpyxl 用于读取和写入 Excel 文件。你可以使用以下命令安装它们：
pip install pandas openpyxl
注意：在命令行中输入上述命令。
第二步：导入库并读取 Excel 文件
接下来，我们将导入这些库并读取我们的 Excel 文件。假设我们的 Excel 文件名为 data.xlsx，并且我们需要处理的列名为 Full Name。
import pandas as pd # 导入 pandas 库
# 读取 Excel 文件并指定工作表
data = pd.read_excel('data.xlsx', sheet_name='Sheet1') # 将你的工作表名称替换为你的实际名称
print(data.head()) # 打印前五行数据，方便检查
这段代码首先导入了
pandas库，然后读取了名为data.xlsx的 Excel 文件，并打印出数据的前五行以确认读取是否成功。
第三步：拆分目标列数据
我们需要将 Full Name 列拆分为两列，分别为 First Name（名）和 Last Name（姓）。我们可以使用 str.split() 方法来实现。
# 使用 str.split() 将 'Full Name' 列按空格分割
data[['First Name', 'Last Name']] = data['Full Name'].str.split(' ', n=1, expand=True)
print(data.head()) # 查看数据，确保拆分成功
这里，我们使用
str.split(' ', n=1, expand=True)方法，以空格为分隔符将Full Name列拆分成两个新列First Name和Last Name。参数n=1意味着只分割一次。
第四步：将结果写入新的 Excel 文件
最后，我们将修改后的数据写入一个新的 Excel 文件。
# 将结果写入一个新的 Excel 文件
data.to_excel('updated_data.xlsx', index=False) # index=False 表示不写入行索引
这段代码会将处理后的数据保存到
updated_data.xlsx文件中。
代码总结
我们完整的代码如下所示：
import pandas as pd # 导入 pandas 库
# 读取 Excel 文件并指定工作表
data = pd.read_excel('data.xlsx', sheet_name='Sheet1') # 将你的工作表名称替换为你的实际名称
print(data.head()) # 打印前五行数据，方便检查
# 使用 str.split() 将 'Full Name' 列按空格分割
data[['First Name', 'Last Name']] = data['Full Name'].str.split(' ', n=1, expand=True)
print(data.head()) # 查看数据，确保拆分成功
# 将结果写入一个新的 Excel 文件
data.to_excel('updated_data.xlsx', index=False) # index=False 表示不写入行索引
关系图
以下是我们的数据关系图，展示了数据分割前后列的关系：
erDiagram
Full_Name {
string full_name "Full Name"
}
First_Name {
string first_name "First Name"
}
Last_Name {
string last_name "Last Name"
}
Full_Name ||..|| First_Name: has
Full_Name ||..|| Last_Name: has
结语
通过本教程，你已经学会了如何使用 Python 将 Excel 中的一列数据分成多列的基本步骤。在实际工作中，数据清洗和处理是一个必不可少的技能。掌握了这些基础知识后，你可以尝试更多复杂的数据操作。
如果在操作过程中遇到任何问题，欢迎随时留言讨论。祝你在 Python 数据处理的旅程中顺利前行！
