如何将含列表值的Pandas Series转为以索引为列的DataFrame？

问题场景 #

我手头有个Pandas Series，每个索引对应的元素都是一个列表（部分是掩码数组masked_array），结构大致如下：

column1              [-333, -333, -33, -33, ...
column2              [-121.0, -431.0, -41.0, -1.0, -1.0, ...
column3              [0.0, 1.0, 0.0, 1.0, 0.0, 1.0, ...
column4              [-451.0, -5121.0, -41.0, -21.0, ...
column5              [1451.0, 19851.0, 1451.0, 1451.0, ...  

尝试转换后，得到的DataFrame却把整个列表塞进了同一行，就像这样：

column1    
0    [-9.0, 
     -811.0, 
     -71.0, 
     -691.0, 
     -41.0, ...

我需要把每个列表里的元素拆成单独行，同时用原Series的索引作为DataFrame的列。补充：从srs.head().to_dict()能看到部分元素是掩码数组。

解决办法 #

1. 元素是普通列表的情况 #

直接用pd.DataFrame配合字典转换即可，自动把列表拆成对应行：

import pandas as pd

# 假设你的Series名为srs
df = pd.DataFrame(dict(srs))

如果各列表长度不一致，会自动用NaN补全缺失值。

2. 元素是掩码数组的情况 #

先把掩码数组转成普通数组或列表，再进行转换：

import pandas as pd

# 提取掩码数组的原始数据，非掩码元素保持原样
srs_clean = srs.apply(lambda x: x.data if hasattr(x, 'data') else x)
# 转换为DataFrame
df = pd.DataFrame(dict(srs_clean))

如果需要保留掩码过滤后的非缺失值，可改用x.compressed()，但这样可能导致各列长度不一致，按需处理即可。

转换后效果 #

最终的DataFrame会是这种结构：

column1  column2  column3  column4  column5
0    -333    -121.0      0.0    -451.0   1451.0
1    -333    -431.0      1.0   -5121.0  19851.0
2     -33     -41.0      0.0     -41.0   1451.0
3     -33      -1.0      1.0     -21.0   1451.0

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