如何拆分DataFrame中列表列并保留其余列数据？

你碰到的问题很常见——直接对单列用apply(pd.Series)确实只会返回拆分后的列，自然就丢了A、B列。其实只需要把拆分后的结果和原DataFrame的其他列合并就可以了，下面给你两种简单的实现方式：

方法一：用pd.concat合并列 #

先拆分C列得到新的列，再和原数据的A、B列横向拼接：

import pandas as pd

# 你的示例数据
df = pd.DataFrame({
    'A': [1, 2],
    'B': ['Row1', 'Row2'],
    'C': [['rowa','rowb','rowc'], ['rowd','rowg','rowf']]
})

# 拆分C列为多列
split_c = df['C'].apply(pd.Series)
# 给拆分后的列重命名（可选，但更清晰）
split_c.columns = [f'C_{col}' for col in split_c.columns]

# 合并原DataFrame的A、B列和拆分后的列
result_df = pd.concat([df[['A', 'B']], split_c], axis=1)
print(result_df)

输出结果：

A     B    C_0    C_1    C_2
0  1  Row1  rowa  rowb  rowc
1  2  Row2  rowd  rowg  rowf

方法二：用join一步完成 #

join方法可以直接把拆分后的列附加到原DataFrame上，写法更简洁：

result_df = df.join(df['C'].apply(pd.Series).rename(columns=lambda x: f'C_{x}'))

这个方法和上面的结果完全一致，省去了单独合并的步骤。

关键说明 #

• 为什么原来的代码会丢列？因为df['C'].apply(pd.Series)只针对C列操作，返回的是仅包含拆分后列的新DataFrame，没有关联原数据的其他列。
• 如果你的列表长度不一致，拆分后会自动用NaN填充缺失的位置，这点需要注意。

内容的提问来源于stack exchange，提问作者Julia