基于列表列长度复制并更新DataFrame行的技术方案问询

需求说明 #

处理Pandas DataFrame时需遵循以下规则：

• 依据每行Column B列的列表长度决定行复制次数：列表长度为n时，额外复制n-1行（如3个元素复制2次，1个元素不复制）
• 复制生成的新行需将Column c更新为列表对应位置的元素（原行保留列表第一个元素，新行依次取列表第2、3...个元素）

原始数据 #

期望输出 #

解决方案 #

方法1：高效内置函数实现（推荐，适配大数据集） #

利用Pandas的explode函数完成批量处理，避免逐行循环，性能更优：

import pandas as pd

# 构造原始DataFrame（实际使用时替换为你的数据读取逻辑）
data = {
    'Column A': ['xxxx xxx xx', 'zzz zz zzzz', 'aa aaa aaa a'],
    'Column B': [['a', 'b', 'c'], ['d', 'e'], ['f']],
    'Column c': ['a', 'd', 'f']
}
df = pd.DataFrame(data)

# 生成需要新增的行：提取列表中除第一个元素外的剩余元素并展开
df['_temp_items'] = df['Column B'].apply(lambda x: x[1:])
expanded_rows = df.explode('_temp_items').dropna(subset=['_temp_items'])

# 更新新增行的Column c字段
expanded_rows['Column c'] = expanded_rows['_temp_items']

# 合并原始数据与新增行，清理临时列并重置索引
result_df = pd.concat([df, expanded_rows.drop('_temp_items', axis=1)], ignore_index=True)

# 查看结果
print(result_df)

方法2：逐行循环实现（适合小数据集或调试） #

如果需要更直观的逻辑展示，可使用逐行循环的方式：

import pandas as pd

# 构造原始DataFrame
data = {
    'Column A': ['xxxx xxx xx', 'zzz zz zzzz', 'aa aaa aaa a'],
    'Column B': [['a', 'b', 'c'], ['d', 'e'], ['f']],
    'Column c': ['a', 'd', 'f']
}
df = pd.DataFrame(data)

new_rows = []
for _, row in df.iterrows():
    # 遍历列表中除第一个元素外的剩余元素，生成新行
    for item in row['Column B'][1:]:
        new_row = row.copy()
        new_row['Column c'] = item
        new_rows.append(new_row)

# 合并数据
result_df = pd.concat([df, pd.DataFrame(new_rows)], ignore_index=True)
print(result_df)

内容的提问来源于stack exchange，提问作者user22391597