如何在Pandas中将大数据框的行内列表拆分为三列？

嘿，这个问题在处理批量数据时太常见了，300多行完全不用担心，我给你几个简单又高效的方案，轻松搞定：

方法一：利用tolist()直接构造新DataFrame（推荐，速度最快） #

这个方法是向量式操作，比逐行处理快得多，不管数据量多大都适用：

import pandas as pd

# 假设你的原DataFrame叫做df
new_df = pd.DataFrame(df[0].tolist(), columns=['Code', 'Status', 'TaskID'])

解释： #

• df[0]是你存储列表的那一列（Series类型）
• tolist()会把整个Series转换成一个二维列表，每个子列表对应原行的三个元素
• 直接用pd.DataFrame()构造新表，还可以通过columns参数给新列指定有意义的名字

如果原DataFrame还有其他列需要保留，直接用concat合并即可：

# 保留原DataFrame的其他列 + 新拆分的列
final_df = pd.concat([df.drop(0, axis=1), new_df], axis=1)

方法二：用apply(pd.Series)拆分 #

这个方法更直观，适合刚接触Pandas的朋友，300行的数据量完全没问题：

# 拆分列表为三列，同时命名
new_df = df[0].apply(pd.Series).rename(columns={0:'Code', 1:'Status', 2:'TaskID'})

注意： #

如果数据量达到几万甚至几十万行，apply的速度会比第一种方法稍慢，但300行的话几乎没差别。

示例效果 #

运行上述代码后，你的数据会从原来的单列表格，变成这样的结构：

内容的提问来源于stack exchange，提问作者user13424992