如何使用Pandas按单元格逗号分隔多值拆分复制数据行

你最初写的逐行循环遍历判断逗号的思路逻辑上可行，但手动做行捕获、原值修改、新行插入的代码冗余度高，且数据量较大时运行效率很差，直接用Pandas内置的向量化方法就能几行代码实现需求，性能远高于手写循环。

具体实现步骤 #

• 读取csv源数据
• 对column2列按逗号做拆分，同时清理拆分后每个值前后的多余空格，避免出现带首尾空格的脏值
• 调用explode方法将拆分得到的列表值展开为独立行，其他列（如column1）的取值会自动和拆分后的值对应匹配，完全符合预期输出要求

可直接运行的代码 #

import pandas as pd

# 替换为你实际的csv文件路径
df = pd.read_csv("your_file_path.csv")

# 可选：提前将column2统一转为字符串，避免空值、数字类型导致split报错
df["column2"] = df["column2"].astype(str)

# 按逗号拆分值，同时清理每个值的首尾空白
df["column2"] = df["column2"].str.split(",").map(lambda val_list: [val.strip() for val in val_list])

# 将拆分后的列表展开为独立行，重置索引
df = df.explode("column2", ignore_index=True)

效果验证 #

用你给出的样例数据运行上述代码，得到的输出完全匹配预期：

该实现没有硬编码“仅拆分2个值”的逻辑，哪怕单个单元格内有3个及以上逗号分隔的值，也能自动拆分为对应数量的行，通用性更强。

内容的提问来源于stack exchange，提问作者rootoor