如何将Pandas DataFrame中不同长度列表转为单列多行数据？

我在Pandas中有如下表格：

• Date列均为周五，因节假日等可能不连续；
• Performance列是对应下周业绩的列表，最后一行列表长度小于5（因当天是周三，仅存周一、周二数据）。

原表格：

希望转换为包含实际业绩日期和对应业绩值的二维表格：

曾尝试用sum合并所有列表为一维数组，但无法对应到日期列，请问如何用Python实现？

可以通过以下步骤实现，核心是展开Performance列表的同时，生成对应的业绩日期：

1. 将Date列转换为datetime类型，方便后续日期计算
2. 对每一行，根据Performance列表的长度，生成从该周五之后的第一个工作日（周一）开始的连续日期
3. 展开列表并匹配日期，最终重组为目标表格

完整代码如下：

import pandas as pd
from pandas.tseries.offsets import BDay

# 构建原始数据
data = {
    'Date': ['2022/01/27', '2022/02/10', '2022/02/17', '2022/02/24'],
    'Performance': [[0.1,0.1,0.2,0.1,0.3], [0.1,0.1,0.2,0.1,0.3], [0.1,0.1,0.2,0.1,0.3], [0.1,0.1]]
}
df = pd.DataFrame(data)

# 转换Date列为datetime类型
df['Date'] = pd.to_datetime(df['Date'])

# 定义函数：生成对应业绩日期并展开数据
def expand_row(row):
    # 计算下周一开始的日期（周五+2个工作日）
    start_date = row['Date'] + BDay(2)
    # 根据Performance列表长度生成连续工作日日期
    dates = pd.date_range(start=start_date, periods=len(row['Performance']), freq='B')
    # 返回包含日期和业绩值的DataFrame
    return pd.DataFrame({
        'Date': dates.strftime('%Y/%m/%d'),
        'Performance': row['Performance']
    })

# 对每一行应用函数，合并结果
result_df = pd.concat([expand_row(row) for _, row in df.iterrows()], ignore_index=True)

print(result_df)

代码说明 #

• BDay是Pandas的工作日偏移量，自动跳过周末和节假日，确保生成的日期都是有效工作日
• pd.date_range根据列表长度生成连续的工作日日期，完美匹配Performance列表的每个元素
• 通过pd.concat将每行展开后的小DataFrame合并成最终的二维表格

内容的提问来源于stack exchange，提问作者Yiwei