如何处理含NaN值的DataFrame列表列拆分并保留日期数据

步骤说明 #

1. 替换NaN值：先将Value列中的NaN替换为[0,0]，避免拆分时抛出异常
2. 拆分列表列：将处理后的Value列拆分为A、B两列
3. 合并结果：将拆分出的列与原DataFrame合并，保留所有原始列

完整代码示例 #

import pandas as pd
import numpy as np

# 构造示例数据（模拟你的原始DataFrame）
df = pd.DataFrame({
    'Date': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04'],
    'Value': [[1,2], [3,4], np.nan, [5,6]]
})

# 替换Value列的NaN为[0,0]
df['Value'] = df['Value'].apply(lambda x: x if pd.notna(x) else [0,0])

# 拆分列表为A、B列
split_df = pd.DataFrame(df['Value'].tolist(), index=df.index, columns=['A', 'B'])

# 合并得到最终DataFrame
final_df = pd.concat([df, split_df], axis=1)

# 查看结果
print(final_df)

输出结果 #

Date    Value  A  B
0  2023-01-01  [1, 2]  1  2
1  2023-01-02  [3, 4]  3  4
2  2023-01-03  [0, 0]  0  0
3  2023-01-04  [5, 6]  5  6

替代简化写法 #

如果不想单独修改Value列，可以直接在拆分时完成替换：

split_df = pd.DataFrame(
    df['Value'].apply(lambda x: x if pd.notna(x) else [0,0]).tolist(),
    index=df.index,
    columns=['A', 'B']
)
final_df = pd.concat([df, split_df], axis=1)

这样处理后，既保留了所有日期数据，又完成了列表拆分，同时将原NaN对应的A、B值设为0。

内容的提问来源于stack exchange，提问作者Ignpl