如何拆分DataFrame列表列并展开为行，解决索引不兼容错误

问题背景 #

现有一个DataFrame，按A、B、C列分组并应用自定义函数后，最后一列是无表头的列表格式数据。需要将该列表列拆分为单独行，保留A、B、C列数据，同时新增D列（复用A列值序列）和E列（列表中的单个数值）。执行以下代码时触发错误：

df['E'] = df.groupby(['A', 'B', 'C']).apply(lambda d: customfunction(d['X'], d['Y']).str.split(','))

错误提示：incompatible index of inserted column with frame index

错误原因 #

groupby.apply()返回的结果带有分组层级索引（由A、B、C组成），和原DataFrame的原始索引结构不匹配，直接赋值给原DataFrame的新列时，索引无法对齐，因此抛出该错误。

解决方案 #

不要直接将分组结果赋值给原DataFrame，而是先生成包含分组键和列表数据的中间DataFrame，再通过explode()拆分列表为多行，最后补充D列。

完整代码示例 #

1. 模拟原始数据与自定义函数

import pandas as pd

# 模拟原始DataFrame
df = pd.DataFrame({
    'A': ['a1', 'a1', 'a2', 'a2'],
    'B': ['b1', 'b1', 'b2', 'b2'],
    'C': ['c1', 'c1', 'c2', 'c2'],
    'X': [10, 20, 30, 40],
    'Y': [5, 15, 25, 35]
})

# 自定义函数示例：返回逗号分隔的字符串（实际场景可根据需求调整）
def customfunction(x_col, y_col):
    # 示例逻辑：计算X+Y的唯一值，拼接为逗号分隔字符串
    sums = x_col + y_col
    return ','.join(map(str, sums.unique()))

2. 分组处理并拆分列表

# 分组应用函数，保留分组键并转为常规列
grouped_df = df.groupby(['A', 'B', 'C']).apply(
    lambda d: pd.Series({
        'E': customfunction(d['X'], d['Y']).split(',')
    })
).reset_index()

# 将列表拆分为单独行
final_df = grouped_df.explode('E')

# 新增D列：复用A列的值序列
final_df['D'] = final_df['A']

3. 最终结果示例

执行后final_df的结构如下：

关键说明 #

• 用pd.Series包装分组后的结果，确保返回的结构包含明确的列名，避免层级索引混乱。
• reset_index()将分组键从索引转为常规列，保证后续explode操作时索引对齐。
• explode('E')自动将列表中的每个元素拆分为独立行，同时复制对应行的A、B、C列数据，无需手动处理重复。

内容的提问来源于stack exchange，提问作者learner_46