pandas对列表列执行explode操作时新增枚举列的Pythonic实现方案

现有如下初始DataFrame：

>>> df = pd.DataFrame({'A': [1,2,3], 'B':['abc', 'def', 'ghi']}).apply({'A':int, 'B':list})
>>> df
   A          B
0  1  [a, b, c]
1  2  [d, e, f]
2  3  [g, h, i]

需求是将B列的列表拆分为多行，同时新增两列：B1存列表元素的下标，B2存对应的元素值，最终得到如下结果：

A  B1 B2
0  1   0  a
1  1   1  b
2  1   2  c
3  2   0  d
4  2   1  e
5  2   2  f
6  3   0  g
7  3   1  h
8  3   2  i

原实现方式步骤冗余且存在语法错误，有没有更简洁优雅的Pythonic写法？

推荐以下写法，逻辑清晰且性能更优：

import pandas as pd

# 构造初始数据
df = pd.DataFrame({'A': [1,2,3], 'B':['abc', 'def', 'ghi']}).apply({'A':int, 'B':list})

# 核心逻辑
df = df.explode('B', ignore_index=True)
df.insert(1, 'B1', df.groupby('A').cumcount())
df.rename(columns={'B': 'B2'}, inplace=True)

如果偏好链式写法，可调整为：

df = (
    df.explode('B', ignore_index=True)
    .assign(B1=lambda x: x.groupby('A').cumcount())
    .rename(columns={'B': 'B2'})
    .loc[:, ['A', 'B1', 'B2']]
)

• 先用pandas原生的explode方法直接把B列的列表炸开，每个元素单独占一行，比自定义apply的性能高很多
• 用groupby('A').cumcount()直接生成每个元素在原列表内的下标，天然匹配B1列的需求，不需要额外处理枚举值
• 最后仅需调整列名和顺序即可，全程无冗余操作，可读性极强

内容的提问来源于stack exchange，提问作者rudolfovic