Python执行df.apply(pd.Series.explode)报重复标签重索引错误修复方法

该报错和原DataFrame是否存在重复行、重复列名、重复索引无直接关联，核心触发原因是待展开的多列中，同一行对应的列表长度不一致：

• 用df.apply(pd.Series.explode)时，pandas会逐列独立执行展开操作，单列展开后生成的行会保留原始行索引
• 同一原始行索引下，不同列展开后生成的行数不对等时，pandas做跨列索引对齐就会抛出该重索引错误
  对照你给出的DataFrame结构，长度不匹配问题非常明确：
  • 第一行C列列表长度为4，D列列表长度为3
  • 第二行C列列表长度为4，D列列表长度为2
  • 第三行C列列表长度为1，D列为空值

根据实际业务需求选择对应方案即可：

方案1：原生多列展开（推荐，pandas 1.3.0及以上版本支持） #

如果需要同一行的多列列表按位置对齐，短列表展开到末尾即停止，直接调用DataFrame原生的explode方法，传入待展开的列名列表即可，不会触发索引对齐错误：

# 指定需要展开的列
df_res = df.explode(column=['C', 'D'], ignore_index=True)

方案2：补全空值后全量展开 #

如果需要保留最长列表的所有元素，短列表/空值对应位置填充NaN，可以先统一补全列表长度再展开：

import numpy as np

# 先把空单元格替换为空列表
df['D'] = df['D'].apply(lambda x: x if isinstance(x, list) else [])

# 逐行将待展开列的列表补到相同长度
def pad_list_row(row):
    max_len = max(len(row['C']), len(row['D']))
    row['C'] += [np.nan] * (max_len - len(row['C']))
    row['D'] += [np.nan] * (max_len - len(row['D']))
    return row

df_res = df.apply(pad_list_row, axis=1).explode(['C', 'D'], ignore_index=True)

方案3：重置索引消除对齐校验（不推荐） #

如果不需要保证多列展开后的元素对应关系，仅需要消除报错，可以先重置索引再执行原apply逻辑，注意该方法会导致不同列的元素错位：

df_res = df.reset_index(drop=True).apply(pd.Series.explode).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者user11103434