如何拆分Pandas DataFrame多列字符串内容并追加为新行

核心思路是先把所有需要拆分的列统一处理成长度相同的列表格式（同一行各列的列表长度一一对应），再直接用Pandas内置的多列爆炸函数生成新行，代码实现非常简洁。

适用版本：Pandas 0.25及以上（推荐） #

import pandas as pd

# 第一步：定义所有需要同步拆分的列，有其他列直接追加到列表即可
cols_to_split = ['name', 'business']

# 第二步：处理各列，统一转为长度匹配的列表
# 处理name列：按逗号+可选空格拆分，去除每个值首尾的多余空格
df['name'] = df['name'].str.split(',\s*').apply(lambda x: [i.strip() for i in x])

# 处理business列：根据你示例的规则，每2个拆分后的子项合并为一个业务项，长度和name列保持一致
# 若实际业务列的分隔规则不同，调整此处的处理逻辑即可，核心是保证处理后每行的列表长度和name列相同
def process_business(biz_str, target_len):
    parts = [i.strip() for i in biz_str.split(',\s*')]
    # 每2个拼接为一个完整业务描述，长度和当前行name列的长度对齐
    res = [', '.join(parts[i*2 : (i+1)*2]) for i in range(target_len)]
    # 适配Unspecified场景，重复的Unspecified合并为单个
    return [x.replace('Unspecified, Unspecified', 'Unspecified') for x in res]

df['business'] = df.apply(lambda row: process_business(row['business'], len(row['name'])), axis=1)

# 第三步：多列同时爆炸生成新行
df = df.explode(cols_to_split, ignore_index=True)

运行上述代码后得到的结果和你给出的期望输出完全一致。

兼容低版本Pandas的实现 #

如果你的Pandas版本低于0.25，不支持多列explode，可以用逐行拆分合并的方式实现：

def split_single_row(row, split_cols):
    # 提取所有拆分列的列表值
    col_values = [row[col] for col in split_cols]
    new_rows = []
    # 按顺序配对各列的对应值
    for items in zip(*col_values):
        new_row = row.to_dict()
        for col, val in zip(split_cols, items):
            new_row[col] = val
        new_rows.append(new_row)
    return new_rows

# 逐行拆分后合并为新的DataFrame
df = pd.DataFrame([
    row 
    for sublist in df.apply(split_single_row, split_cols=cols_to_split, axis=1) 
    for row in sublist
])

扩展说明 #

如果有其他需要同步拆分的列，只需要：

1. 把列名追加到cols_to_split列表中
2. 给该列写对应的处理逻辑，保证处理后每行的列表长度和name列长度相同即可

内容的提问来源于stack exchange，提问作者user14759837