Python Pandas中如何使用explode函数将列表列拆分为多行？-Python教程-PHP中文网

explode函数要求输入列dtype为object且元素须为list/tuple/set或none；字符串需先解析，空值默认丢弃，嵌套结构需链式调用，多列explode需长度一致，性能瓶颈常在前置apply操作。

python pandas中如何使用explode函数将列表列拆分为多行？

explode函数的基本用法和输入要求

explode 只能作用于包含可迭代对象（如 list、tuple、set，或 None）的 Series 或 DataFrame 列。如果列里混了字符串、数字或 dict，会直接报错 TypeError: explode() missing 1 required positional argument: 'column' 或更具体的 Can only use .explode() on a Series with dtype=object。

常见错误是把字符串当列表用："[1,2,3]" 是 str，不是 list —— 必须先用 ast.literal_eval 或 json.loads 转换，否则 explode 会把字符串每个字符拆成一行。

确保目标列 dtype 是 object，且每个元素是 list/tuple/set（空列表也合法）
含 None 或 pd.NA 的行，explode 后对应行消失（可加 ignore_index=True 重排索引）
单个元素不是可迭代对象（比如 int、str）时，会报 TypeError: cannot explode on non-iterable element

处理含空值或嵌套结构的列

空列表 [] 经 explode 后生成空行（保留原索引），而 None 或 np.nan 默认被丢弃。若想保留这些“空占位”，得先填充再炸开：

df['col'] = df['col'].apply(lambda x: x if isinstance(x, list) else [])

嵌套列表（如 [[1,2], [3]]）不会自动递归展开 —— explode 只做一层扁平化。要两层展开，得链式调用两次：df.explode('col').explode('col')，但第二次前要确认新值仍是 list。

Python Testing

Python 测试速查：运行 pytest、使用 mock/patch、参数化、fixtures、异步、覆盖率测试。

下载

第一次 explode 后，原 [[1,2], [3]] 变成两行：[1,2] 和 [3]
第二次 explode 才把 [1,2] 拆成 1 和 2，[3] 拆成 3
中间若有非 list 元素（如 None），第二次 explode 会失败

多列同时 explode 的写法和陷阱

从 Pandas 1.3.0 开始，DataFrame.explode() 支持传入多个列名，但要求它们长度一致（同一行中各列对应位置的 list 长度必须相等），否则抛 ValueError: columns must have matching element counts。

例如：df.explode(['A', 'B']) 要求第 i 行的 df.loc[i, 'A'] 和 df.loc[i, 'B'] 要么都是空 list，要么长度相同。不满足就只能分步处理或用 zip + pd.concat 手动对齐。

多列 explode 不等于“交叉展开”——它按位置一一对应，不是笛卡尔积
如果某列是 scalar（非 list），需先统一转为单元素 list：df['B'] = df['B'].apply(lambda x: [x] if pd.notna(x) else [])
列顺序不影响结果，但会影响最终列排列顺序（保持原始顺序）

性能注意：大表慎用 explode，尤其带 apply 预处理时

explode 本身是 C 实现、很快，但前面常跟的 apply（比如用 ast.literal_eval 解析字符串）是纯 Python 循环，10 万行以上就会明显卡顿。

替代方案优先考虑向量化解析：若字符串格式规整（如逗号分隔），可用 str.split(',') + str.strip()；若含 JSON，用 pd.json_normalize 或 json.loads 配合 map 比 apply 稍快；实在不行，改用 swifter 或 dask 加速。