如何将包含层级索引的列转换为结构化宽表（按数字分组并关联后续行）

本文介绍一种高效方法，利用正则提取与前向填充技术，将含隐式分组标识（纯数字行）和子项（含 `.xls` 的行）的混合列，重构为标准二维结构化表格，无需 pivot 操作。

在实际数据处理中，常遇到“头部标签 + 子项列表”的嵌套式扁平结构（如导出报表、日志摘要等），其中某列（如 Row tags）交替出现纯数字（代表分组 ID）和带后缀的文本（代表该组下的明细项）。目标并非传统透视（pivot），而是逻辑分组重建：将每个数字作为 Code，向下广播至其后所有非数字行，最终过滤掉数字行本身，形成规整的二维关系表。

核心思路分三步：

1. 识别分组锚点：用正则 ^(d+)$ 精确匹配整列为纯数字的行（排除 100101 这类混杂数字）；
2. 传播分组码：对匹配结果使用 ffill()（前向填充），使每个数字自动“覆盖”其后的所有子项行；
3. 过滤主体数据：仅保留原 Row tags 不匹配数字的行（即 .xls 行），此时 Code 列已正确关联。

以下是完整可执行代码示例：

import pandas as pd  # 构建原始数据 df = pd.DataFrame({     "Row tags": [         "4",         "100101 - Hospital A.xls",         "100195 - Hospital B.xls",         "100105 - Hospital C.xls",         "5",         "100101 - Hospital A.xls",         "100195 - Hospital B.xls"     ],     "Values": [100, 30, 30, 40, 50, 25, 25] })  # 步骤 1：提取纯数字行（返回 DataFrame，单列） nums = df["Row tags"].str.extract(r"^(d+)$")  # 步骤 2：前向填充 Code，并赋值为新列 df["Code"] = nums[0].ffill()  # 注意：extract 返回 DataFrame，取第 0 列  # 步骤 3：仅保留非数字行（即子项行），同时保留 Code 和原始列 result = df[nums[0].isna()].reset_index(drop=True)[["Row tags", "Values", "Code"]] result.columns = ["Hospital", "Values", "Code"]  # 重命名列以匹配期望输出  print(result)

输出结果：

Hospital  Values Code 0  100101 - Hospital A.xls      30    4 1  100195 - Hospital B.xls      30    4 2  100105 - Hospital C.xls      40    4 3  100101 - Hospital A.xls      25    5 4  100195 - Hospital B.xls      25    5

✅ 关键注意事项：

• 正则 ^(d+)$ 中的 ^ 和 $ 至关重要，确保只匹配整列纯数字（如 “4”），避免误匹配 “100101”；
• ffill() 依赖行序，原始数据顺序不可打乱，否则分组关系将错位；
• 若存在连续多个数字行（如 4, 6, 7），每个数字仅影响其后直到下一个数字前的子项——这正是业务逻辑所要求的“块级分组”；
• 最终列名可通过 rename() 或直接索引赋值灵活调整，满足下游分析或导出需求。

该方法简洁、高效、无循环，完全基于 pandas 向量化操作，适用于万级以内数据；对于超大数据集，亦可结合 chunksize 分批处理，保持内存友好性。