如何在Pandas DataFrame中拆分列并将原行复制为新行

方法一：使用str.split + explode（推荐） #

这是最简洁高效的实现方式，两步即可完成需求：

import pandas as pd

# 模拟你的输入数据
data = {
    'Order#': ['123', '456,789', '321', '121,651'],
    'Price': ['$20', '$50', '$45', '$76'],
    'Quantity': [5, 7, 3, 9]
}
df = pd.DataFrame(data)

# 1. 将Order#列的逗号分隔值拆分为列表格式
df['Order#'] = df['Order#'].str.split(',')
# 2. 展开列表中的每个元素为单独行，自动复制其他列的对应值
df = df.explode('Order#').reset_index(drop=True)

print(df)

输出结果：

Order# Price  Quantity
0    123  $20         5
1    456  $50         7
2    789  $50         7
3    321  $45         3
4    121  $76         9
5    651  $76         9

方法二：基于你尝试的expand=True实现 #

如果想延续你之前的思路，可通过以下步骤完成：

import pandas as pd

data = {
    'Order#': ['123', '456,789', '321', '121,651'],
    'Price': ['$20', '$50', '$45', '$76'],
    'Quantity': [5, 7, 3, 9]
}
df = pd.DataFrame(data)

# 1. 拆分Order#列为多列，expand=True会将拆分结果转为多列格式
split_cols = df['Order#'].str.split(',', expand=True)
# 2. 将拆分后的多列转为长格式，过滤空值并保留原始索引
split_long = split_cols.melt(var_name='temp', value_name='Order#').dropna(subset=['Order#'])
# 3. 合并原始数据的其他列与拆分后的Order#列，按索引匹配
result = pd.merge(df.drop('Order#', axis=1), split_long[['Order#']], left_index=True, right_index=True)
# 4. 重置索引避免混乱
result = result.reset_index(drop=True)

print(result)

核心逻辑说明 #

• str.split(',')：把单个逗号分隔的字符串拆分为列表，为后续行展开做准备
• explode()：Pandas专门用于将列表/数组类型列展开为多行的方法，自动复制当前行的其他列值到新行
• melt()：将宽格式的拆分结果转为长格式，适配expand=True生成的多列数据

内容的提问来源于stack exchange，提问作者Daniel