如何在低版本Pandas中拆分列值并生成新DataFrame

针对你的需求，当Pandas版本过低不支持explode方法时，可以用以下两种方式实现ColB的拆分与ColA的对应展开：

先构造示例数据 #

import pandas as pd

df = pd.DataFrame({
    'ColA': ['A', 'A', 'B', 'C'],
    'ColB': ['hg_gh | fg_tr | yu_jhd', 'hg_dh | fg_fr', 'hg_th | fg_er | yu_jkd', 'hg_zh | fg_qr']
})

方法1：apply结合pd.Series与stack #

# 先拆分ColB的字符串，再通过apply生成对应Series，最后堆叠整理格式
result = (df.assign(ColB=df['ColB'].str.split(' | '))
           .apply(lambda x: pd.Series(x['ColB'], index=[x['ColA']]*len(x['ColB'])), axis=1)
           .stack()
           .reset_index(level=0)
           .rename(columns={0: 'ColB'})
           .reset_index(drop=True))

方法2：列表推导式（高效直观） #

这种方式遍历原DataFrame的每一行，拆分后直接构造新数据列表，适合处理大数据量：

rows = []
for _, row in df.iterrows():
    # 按分隔符拆分ColB
    split_vals = row['ColB'].split(' | ')
    # 每个拆分值对应原ColA，添加到列表
    for val in split_vals:
        rows.append({'ColA': row['ColA'], 'ColB': val})

# 转换为目标DataFrame
result = pd.DataFrame(rows)

执行上述任意一种方法后，result即为你需要的展开后DataFrame。

内容的提问来源于stack exchange，提问作者Rakshu