如何从DataFrame的数组列生成指定列名的新列

现有如下结构的Pandas DataFrame：

+---------+
|     data|
+---------+
|[a, b, c]|
|[d, e, f]|
|[g, h, i]|
+---------+

同时有列名列表 ["first col", "second col", "third col"]，需要将其转换为如下结构的DataFrame：

+-----------+-----------+----------+
|  first col| second col| third col|
+-----------+-----------+----------+
|          a|          b|         c|
|          d|          e|         f|
|          g|          h|         i|
+-----------+-----------+----------+

方法一：使用apply(pd.Series)拆分列 #

直接对包含列表的列调用apply(pd.Series)，再为新列指定自定义名称：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({'data': [['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i']]})
col_names = ["first col", "second col", "third col"]

# 拆分列表列并设置列名
result_df = df['data'].apply(pd.Series)
result_df.columns = col_names

print(result_df)

方法二：通过tolist()构造新DataFrame #

提取列表列的所有元素转为二维列表，直接用该列表和自定义列名创建新DataFrame：

import pandas as pd

df = pd.DataFrame({'data': [['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i']]})
col_names = ["first col", "second col", "third col"]

# 用列表数据直接构造目标DataFrame
result_df = pd.DataFrame(df['data'].tolist(), columns=col_names)

print(result_df)

方法三：使用explode+pivot拆分（扩展性更强） #

先将列表拆分为多行，通过分组标记列位置，最后透视成目标结构：

import pandas as pd

df = pd.DataFrame({'data': [['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i']]})
col_names = ["first col", "second col", "third col"]

# 添加行索引用于分组
df['row_id'] = df.index
# 拆分列表为单行数据
exploded_df = df.explode('data')
# 标记每个元素的列位置
exploded_df['col_id'] = exploded_df.groupby('row_id').cumcount()
# 透视生成目标结构并设置列名
result_df = exploded_df.pivot(index='row_id', columns='col_id', values='data')
result_df.columns = col_names
result_df = result_df.reset_index(drop=True)

print(result_df)

注意事项 #

• 方法一、二更适合列表长度固定统一的场景，代码简洁高效；
• 方法三代码稍繁琐，但对后续复杂拆分需求的扩展性更强。

内容的提问来源于stack exchange，提问作者Nakeuh