如何在Pandas中将行内数组值拆分分配至多列？

问题背景 #

现有如下结构的Pandas DataFrame，其中FEATURE列存储的是形状为(300,)的NumPy数组：

需要将其转换为以下格式，把FEATURE数组的每个元素拆分为单独的列：

解决方案 #

方法1：直接将数组列转为DataFrame后拼接 #

这种方法利用pd.DataFrame将数组列直接展开为多列，再和原TEXT列合并：

import pandas as pd
import numpy as np

# 模拟原始DataFrame（实际使用时替换为你的数据）
df = pd.DataFrame({
    'TEXT': ['test', 'test', 'test2', 'test2'],
    'FEATURE': [np.random.rand(300) for _ in range(4)]
})

# 把FEATURE列的数组展开成新DataFrame
feature_cols = pd.DataFrame(df['FEATURE'].tolist(), index=df.index)
# 给新列命名为FEATURE 1到FEATURE 300
feature_cols.columns = [f'FEATURE {i+1}' for i in feature_cols.columns]

# 合并原TEXT列和拆分后的特征列
final_df = pd.concat([df['TEXT'], feature_cols], axis=1)

方法2：用apply(pd.Series)快速展开 #

通过对FEATURE列应用pd.Series，可以一键将数组拆分为多列，再拼接TEXT列：

# 展开数组列并命名
feature_cols = df['FEATURE'].apply(pd.Series).rename(columns=lambda x: f'FEATURE {x+1}')
# 合并得到最终结果
final_df = pd.concat([df['TEXT'], feature_cols], axis=1)

注意事项 #

• 两种方法都是基于Pandas的向量化操作，处理300维数组效率很高，不需要逐行循环。
• 因为题目中明确FEATURE列的数组是固定300长度，所以不会出现列数不一致或NaN填充的问题。

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