Pandas将列表值字典映射到DataFrame列并按元素数生成重复行

基础场景实现 #

目标：将值为列表的字典，按DataFrame指定列的键匹配映射为新列，按列表元素数量重复展开行，全程保持DataFrame格式。
首先修正示例输入的语法问题（字典键为字符串需加引号），定义测试数据：

import pandas as pd

# 映射字典
d = {'a':['i','ii'], 'b':['iii','iv'], 'c':['v','vi','vii']}
# 原始DataFrame
df = pd.DataFrame({
    'Column1': ['g', 'h', 'i'],
    'Column2': ['a', 'b', 'c']
})

实现代码：

# 匹配字典值生成新列，操作对象为DataFrame，不会转换为Series
df['Column3'] = df['Column2'].map(d)
# 按列表长度展开行，重置索引
df_result = df.explode('Column3', ignore_index=True)

执行后输出和预期完全一致：

Column1 Column2 Column3
0       g       a       i
1       g       a      ii
2       h       b     iii
3       h       b      iv
4       i       c       v
5       i       c      vi
6       i       c     vii

延伸问题1：叠加第二个字典二次映射扩行 #

首先修正示例d2的语法错误（分号改为逗号、字符串值加引号）：

d2 = {'i':['A'],'ii':['B'],'iii':['C','D'],'iv':['E'],'v':['F'],'vi':['G'],'vii':['H','I','J']}

实现逻辑和单次映射完全一致，在上一步输出结果基础上重复映射+展开操作即可。如果需要保留原有第三列，就新增列存储二次映射结果；如果需要替换第三列，直接对第三列赋值映射结果即可。
示例代码（新增第四列存储二次映射结果）：

df_result['Column4'] = df_result['Column3'].map(d2)
df_result_2 = df_result.explode('Column4', ignore_index=True)

输出结果：

Column1 Column2 Column3 Column4
0       g       a       i       A
1       g       a      ii       B
2       h       b     iii       C
3       h       b     iii       D
4       h       b      iv       E
5       i       c       v       F
6       i       c      vi       G
7       i       c     vii       H
8       i       c     vii       I
9       i       c     vii       J

延伸问题2：映射源为DataFrame格式的实现 #

如果映射关系本身是DataFrame结构，有两种实现方式，输出结果和字典映射完全一致：

方法1：转换为字典后复用上述逻辑 #

适合小数据量场景，先把映射DataFrame转为{键:值列表}格式的字典，后续操作和基础场景完全相同：

# 示例映射源DataFrame：key_col存匹配键，val_col存对应列表值
map_df = pd.DataFrame({
    'key_col': ['a','b','c'],
    'val_col': [['i','ii'], ['iii','iv'], ['v','vi','vii']]
})
# 转为目标字典
map_dict = dict(zip(map_df['key_col'], map_df['val_col']))
# 后续复用基础场景代码
df['Column3'] = df['Column2'].map(map_dict)
df_result = df.explode('Column3', ignore_index=True)

方法2：merge合并后直接展开 #

适合大数据量场景，无需手动转换字典，直接关联映射表后展开：

# 重命名映射表列名，和原表待匹配列、新生成列名对齐
map_df_renamed = map_df.rename(columns={'key_col':'Column2', 'val_col':'Column3'})
# 左连接关联后直接展开列表
df_result = df.merge(map_df_renamed, on='Column2', how='left').explode('Column3', ignore_index=True)

注意：如果待匹配列存在字典/映射表中不存在的键，映射结果会生成空值NaN，explode会保留对应空行，可提前过滤映射键范围，或用fillna给空值赋值空列表避免异常。

内容的提问来源于stack exchange，提问作者Jnams