如何对存在部分行含空值的Pandas DataFrame执行explode操作

问题场景 #

需要对包含空值（NaN）和混合类型（单个值/列表）的DataFrame执行explode操作，但直接操作含空值的列会报错，移除这些列又无法完成所有列的拆分需求。

示例数据 #

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, [11,22], [111,222]],
                   'B': [2, [33,44], float('nan')],
                   'C': [3, [55,66], [333,444]],
                   'D': [4, [77,88], float('nan')]
                  })

原始数据结构：

现有做法的局限 #

移除含空值的列后执行explode，会导致未移除的列保留原始列表/空值，无法完成拆分：

colList = df.columns.values.tolist()
colList.remove("B")
colList.remove("D")
df = df.explode(colList)

得到的结果：

解决方案 #

方法1：统一预处理所有列，转为列表格式 #

通过预处理将所有单元格的内容转换为列表（单个值转为单元素列表，NaN转为包含NaN的列表），让explode可以安全处理所有列：

# 定义转换函数：将非列表值转为单元素列表，空值转为包含NaN的列表
def to_list(x):
    if isinstance(x, list):
        return x
    elif pd.notna(x):
        return [x]
    else:
        return [np.nan]

# 对整个DataFrame应用转换函数
df_processed = df.applymap(to_list)

# 对所有列执行explode，重置索引
df_exploded = df_processed.explode(df.columns.tolist(), ignore_index=True)

最终结果：

方法2：针对特定列单独处理 #

如果仅需要处理部分列，可单独对目标列做预处理后执行explode：

# 指定需要处理的列
target_cols = ['A', 'B', 'C', 'D']

# 对目标列应用转换函数
df[target_cols] = df[target_cols].applymap(to_list)

# 执行explode
df_exploded = df.explode(target_cols, ignore_index=True)

关键说明 #

• 预处理的核心是统一数据格式，确保所有单元格内容为列表，避免explode因类型不匹配或空值报错。
• ignore_index=True参数用于重置拆分后的索引，避免出现重复索引问题。

内容的提问来源于stack exchange，提问作者BlakeB9