如何将DataFrame列表列元素拆分生成新列？解决索引越界问题

场景与需求 #

原始DataFrame：

需要把keywords列（每行是含3个元组的列表）拆成keyword_1、keyword_2、keyword_3三列，最终结果如下：

错误代码及报错 #

尝试的代码：

new_col_list = ['first_keyword', 'second_keyword','third_keyword']
for n,col in enumerate(new_col_list):
    df[col] = df['keywords'].apply(lambda keywords: keywords[n])
df = df('keywords',axis=1)

执行报错：IndexError: list index out of range

问题分析与解决方法 #

问题点 #

1. 循环里直接用keywords[n]取值，一旦某行的keywords列表长度不够3，就会触发索引越界；
2. 最后一行删除列的语法错误，应该用df.drop()而不是直接调用df()。

正确实现方式 #

方式一：高效展开列表（推荐）

利用pd.DataFrame直接把列表列拆成多列，这是最简洁高效的方法：

import pandas as pd

# 将keywords列的列表元素直接转为新DataFrame，指定列名
expanded_cols = pd.DataFrame(df['keywords'].tolist(), columns=['keyword_1', 'keyword_2', 'keyword_3'])
# 合并原DataFrame并删除原keywords列
result_df = pd.concat([df.drop('keywords', axis=1), expanded_cols], axis=1)

方式二：修复原循环代码

如果要保留循环逻辑，需要增加长度判断避免索引越界，同时修正删除列的语法：

new_col_list = ['keyword_1', 'keyword_2','keyword_3']
for n, col in enumerate(new_col_list):
    # 先判断列表长度，不足时填充None
    df[col] = df['keywords'].apply(lambda x: x[n] if len(x) > n else None)
# 正确删除keywords列
df = df.drop('keywords', axis=1)

两种方法都能得到预期的DataFrame结构，方式一处理大数据量时效率更高。

内容的提问来源于stack exchange，提问作者brins