背景：得到賬單數據，需要對其進行處理，針對其中一個列進行字符拆分並生成新列：
需要在 列 L、M、N...對費用明細這一列拆分：如下圖所示
思路如下
第一步：對費用明細這一列 先取出字符，然后用正則取出 費用明目，即我們要創建新列的 columns；
第二步：因為最后生成的dateframe ，字典是可以生成dateframe，所以拿到第一步的 {費用明目：費用} 以后 字典。對於全 費用明細 ，部分行為缺失項，需要填充為0，完整代碼中會有技術細節描述；
第三步：第二步生成的dateframe 最后如何與原始的賬單 進行結合在一起？剛開始思路是：循環操作：針對每一行 每一列逐個單元格 進行賦值；第二種思路是：將第二步生成的dateframe一起合並新的dateframe 然后與原始賬單進行連接 concat操作；
總結：第三步最后采用 第二種思路，大批量的賦值操作效率低。
import pandas as pd
import re
from functools import reduce
data = pd.read_excel('/Users/xujingfei/Library/Containers/com.microsoft.Excel/Data/Downloads/zuixin/fee.xlsx')
i = 0
title = ['起步價','超里程價','企業保險','隨車人身意外保險','搬運費','停車費','高速路橋費','小費','額外搬運費','逾時等候費','拉拉券','等候費','規格','搬運費稅費']
dict_fyi = {k:0.00 for k in title} # 字典推導式
list_df = []
for i,j in zip(data.index,[4]*1536):
fee = data.iloc[i,j]
key = list(filter(None,re.split(r'￥-*\d+\.\d+|\n',fee))) #用數字split會產生空字符串，使用filter篩選
# [ i for i in re.split(r'￥-*\d+\.\d+|\n',fee) if len(i) != 0] 等同上面寫法，map以及filter已經逐漸被列表推導式所替代；
value = re.findall(r'-*\d+\.\d+',fee)
dict_fee = dict(zip(key,value))
df = dict(dict_fyi,**dict_fee) # 進行字典合並，相同key ，第二個會覆蓋掉第一個的value
df_t = pd.DataFrame(df,index=[i])
list_df.append(df_t) # 將每一行生成的字典 ，放入字典中
df_end = reduce(lambda x,y:pd.concat([x,y],axis=0),list_df) # 解決方案：使用reduce進行迭代拼接，就不存在temp dataframe的存在了。
k = pd.concat([data,df_end],axis=1) #第三步思路，匯總所有的dateframe 與原始dateframe 連接
k.to_excel('22.xlsx')