如何将Pandas含列表的列转换为nx60结构的DataFrame

嘿，我明白你的问题了——单行处理时用类似expand的逻辑能得到预期的60列，但整列批量处理就出问题。别担心，这里有几个简单高效的方法能帮你搞定：

方法1：直接用pd.DataFrame构造（推荐，速度最快） #

这是最直接且高效的方式，它避免了逐行循环，直接把列中的列表批量转换为DataFrame：

import pandas as pd

# 假设原DataFrame叫df，存储列表的列名为'list_column'
new_df = pd.DataFrame(df['list_column'].tolist(), index=df.index)

这样生成的new_df就是你要的n行×60列的DataFrame，索引和原DataFrame完全一致。如果需要保留原DataFrame的其他列，只需要用pd.concat合并：

# 合并原DataFrame的其他列和新生成的多列DataFrame
final_df = pd.concat([df.drop('list_column', axis=1), new_df], axis=1)

方法2：用apply(pd.Series)逐行转换 #

如果你习惯用apply的方式，也可以这样做（不过大数据集下速度不如方法1）：

new_df = df['list_column'].apply(pd.Series)

这个方法会把每行的列表转换成一行60列的数据，最终拼接成n行的DataFrame，效果和方法1一致。

为什么单行正常但整列异常？ #

你提到单行调用相关函数表现正常，推测你可能是对单个列表做了类似pd.Series(single_list).to_frame().T的操作（本质是把单个列表转成一行DataFrame），但整列处理时如果用了错误的方法（比如误调用explode，它会把列表的每个元素拆成单独的行，而不是列），就会得到不符合预期的结果。上面的两种方法都是专门针对“列表转多列”的场景，不会出现这种问题。

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