如何优雅拆分Pandas DataFrame中含可迭代对象的列？

嘿，这个需求我太有共鸣了！其实Pandas本身就有简洁的方法能实现你想要的类似splittuple的效果，不用像你之前的两种方式那样绕路。

最贴近你设想的简洁写法 #

直接用pd.Series包装你的序列结果，就能直接赋值给新列（包括覆盖原有列），完美贴合你想要的语法逻辑：

from pandas import DataFrame, Series

data = DataFrame({"label": [a for a in "abcde"], "x": range(5)})
# 直接赋值，覆盖原有x列并新增x2列
data[["x", "x2"]] = data["x"].apply(lambda x: Series([x, x*2]))

print(data)

输出完全符合你的预期：

label  x  x2
0     a  0   0
1     b  1   2
2     c  2   4
3     d  3   6
4     e  4   8

更高效的大数据量版本 #

如果你的数据集规模较大，apply(pd.Series)的逐行构造开销会比较明显，这时候可以用tolist()转成嵌套列表后直接构造DataFrame，同时指定索引避免匹配问题：

from pandas import DataFrame

data = DataFrame({"label": [a for a in "abcde"], "x": range(5)})
data[["x", "x2"]] = DataFrame(
    data["x"].apply(lambda x: (x, x*2)).tolist(),
    index=data.index
)

这个方法的执行速度比apply(pd.Series)快很多，尤其适合处理百万级以上的数据集。

对比你现有方式的优势 #

• 你的方式一需要先删除原有列再合并，步骤繁琐，还容易因索引错位导致数据混乱；
• 方式二通过字符串中转的思路完全没必要，不仅效率低下，还可能在数据包含特殊字符时出现解析错误；
• 上面的两种方法都是原地直接赋值，逻辑清晰直观，和你设想的splittuple(expand=True)用法几乎一致，代码可读性拉满。

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