如何用原ID对应新ID列表的字典更新Pandas DataFrame并拆分行

实现思路非常直接：先把原DataFrame的ID列按照给定字典替换为对应的列表，再用pandas内置的explode方法把列表拆成独立行，整个过程会自动保留其余列的所有信息。 #

前置测试数据 #

先构造匹配场景的测试环境：

import pandas as pd

# 原始DataFrame
df = pd.DataFrame({
    "ID": [1, 2, 7, 8],
    "Name": ["Peter", "John", "Rene", "Dilan"],
    "Last Name": ["Smith", "Allen", "Watson", "Foster"]
})

# 映射字典
id_map = {1: [3, 4], 2: [5, 6], 7: [11], 8:[8]}

两步核心操作 #

• 第一步：将ID列的原始值替换为字典中对应的列表

  df["ID"] = df["ID"].map(id_map)
  

  执行后ID列会变为存储列表的序列：[[3,4], [5,6], [11], [8]]
• 第二步：对ID列执行炸开操作

  result_df = df.explode("ID", ignore_index=True)
  

  传入ignore_index=True会自动重置结果表的行索引，避免拆分后出现重复索引。

结果验证 #

执行完成后得到的结果完全匹配预期输出：

兼容适配：如果存在未被字典收录的原ID，可将map逻辑调整为df["ID"].map(lambda x: id_map.get(x, [x]))，未匹配的ID会默认保留原值，不会触发空值报错。

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