向pandas DataFrame添加行遇索引问题，求高效拆分列表列方法

核心思路 #

不用手动循环追加行，直接利用pandas的内置方法做矢量化处理：先保留原行并替换目标列为列表首元素，再把列表剩余元素单独提取展开成新行，最后合并两部分结果，既高效又能避免索引重复问题。

具体代码实现 #

假设你的目标列名为target_col，以下是可直接复用的代码：

import pandas as pd

# 模拟你的DataFrame（实际使用时替换成你的数据）
df = pd.DataFrame({
    '其他列1': ['行1数据', '行2数据', '行3数据'],
    'target_col': [[1], [2, 3], [4, 5, 6]]
})

# 1. 处理原行：保留所有列，仅把目标列替换为列表第一个元素
df_main = df.assign(target_col=df['target_col'].str[0])

# 2. 生成拆分的新行：筛选列表长度>1的行，提取剩余元素并展开
df_split = df[df['target_col'].str.len() > 1].assign(
    target_col=lambda x: x['target_col'].apply(lambda lst: lst[1:])
).explode('target_col')

# 3. 合并结果，重置索引避免重复标签错误
final_df = pd.concat([df_main, df_split], ignore_index=True)

解决的问题说明 #

• 完美处理列表长度1-4的场景：不管列表剩1个还是3个元素，都能拆成对应数量的新行
• 全程用pandas内置方法，2万行数据处理速度极快，远优于循环追加
• ignore_index=True彻底解决了cannot reindex on an axis with duplicate labels的索引重复错误

内容的提问来源于stack exchange，提问作者Stephen Juza