如何高效解包存储元组的Pandas DataFrame并配对同位元素

核心思路 #

利用itertools.zip_longest处理不等长元组配对，结合Pandas的apply+explode方法完成无显式循环的展开操作，天然适配元组长度不一致的场景。

完整实现代码 #

import pandas as pd
from itertools import zip_longest

# 构造测试数据（包含不等长元组）
l1=[('a','b'),('c','d','d2'),('e','f','g'),('h','i')]
l2=[('j','k'),('l','m'),('n','o','p'),('q','r')]
df  = pd.DataFrame(list(zip(l1,l2)),columns=['Col1','Col2'])

# 配对同位置元素，不等长位置填空字符串
df['pairs'] = df.apply(lambda row: list(zip_longest(row['Col1'], row['Col2'], fillvalue='')), axis=1)
# 展开配对结果
df = df.explode('pairs', ignore_index=True)
# 拆分出最终两列
df[['val1', 'val2']] = pd.DataFrame(df['pairs'].tolist(), index=df.index)

# 输出结果
for _, row in df[['val1', 'val2']].iterrows():
    print(row['val1'], row['val2'])

运行输出 #

a j
b k
c l
d m
d2 
e n
f o
g p
h q
i r

方案优势 #

• 无显式的多层Python级循环，更符合Pythonic编码规范，数据量较大时执行效率远高于手动循环
• 天然支持不等长元组配对，可通过修改fillvalue参数自定义缺失位置的填充值（如填None、NaN等）
• 输出结果为结构化的DataFrame格式，可直接用于后续的数据分析、存储等操作，灵活性更高

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