如何在Pandas中展开嵌套在列中的DataFrame（Unnest操作）

嗨，我来帮你搞定这个问题！你要把DataFrame某一列里的嵌套小DataFrame展开成多行，同时保留原列的关联信息对吧？下面给你两种可行的实现方法，先看最直观的一种：

首先先确认你的模拟数据：

import pandas as pd

df = pd.DataFrame.from_dict(
    {
        'col1': [1, 2],
        'col2': [pd.DataFrame.from_dict(
            {'inner_col1': ['one', 'two', 'three'], 'inner_col2': ['four', 'five', 'six']}),
            pd.DataFrame.from_dict(
            {'inner_col1': ['seven', 'eight', 'nine'], 'inner_col2': ['ten', 'eleven', 'twelve']})
        ]
    }
)

方法一：遍历行并合并（直观易懂） #

# 遍历每一行，给嵌套的DataFrame添加col1列，再合并所有结果
result = pd.concat(
    [row['col2'].assign(col1=row['col1']) for _, row in df.iterrows()],
    ignore_index=True
)[['col1', 'inner_col1', 'inner_col2']]

print(result)

运行后就能得到你想要的输出：

col1 inner_col1 inner_col2
0     1        one       four
1     1        two       five
2     1      three        six
3     2      seven        ten
4     2      eight      eleven
5     2       nine      twelve

这个方法的逻辑很清晰：对原DataFrame的每一行，我们把当前行的col1值添加到嵌套的col2 DataFrame里，然后用pd.concat把所有处理后的小DataFrame拼接成一个大的DataFrame，最后调整列的顺序就完美匹配你的需求了。

方法二：更高效的批量处理（适合大数据量） #

如果你的数据量比较大，上面的遍历方法可能效率稍低，试试这个更高效的方式：

# 先把col2列的每个DataFrame拆成单独行
df_exploded = df.explode('col2', ignore_index=True)
# 合并所有嵌套DataFrame，同时保留对应的col1值
result = pd.concat(
    df_exploded['col2'].tolist(),
    keys=df_exploded['col1']
).reset_index(level=0).rename(columns={'level_0':'col1'}).reset_index(drop=True)

这个方法先通过explode把每个嵌套DataFrame拆成单独的行，然后用pd.concat的keys参数把col1的值关联到对应的嵌套数据上，最后重置索引并调整列名就能得到同样的结果。

为什么你之前的代码失败了？ #

你尝试的pd.concat(df.drop('col2', axis=1), df.col2)有两个核心问题：

• pd.concat的第一个参数需要是可迭代的DataFrame/Series对象集合，而df.drop('col2', axis=1)是一个完整的DataFrame，df.col2是一个Series（每个元素是DataFrame），这样的参数组合不符合pd.concat的要求；
• 这种方式没法把col1的值和对应的嵌套DataFrame行关联起来，自然得不到正确的扁平化结果。

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