如何使用Pandas将含列表的行拆分为多行（Splat操作）

嘿，我来帮你搞定这个问题！你遇到的两个需求——把包含多个ID的行拆成对应每个ID的副本，以及解决groupby时因列表不可哈希报错的问题，其实可以用同一个方法一次性解决，就是pandas的explode()函数，咱们一步步来：

1. 问题原因先理清楚 #

首先，你说groupby操作报错，核心原因是列表是可变、不可哈希的类型，而pandas的groupby需要使用可哈希的键（比如整数、字符串、元组这类不可变类型）来分组，所以直接用列表列做groupby肯定会报错。而拆分列表列的需求，刚好能把列表转换成单个的可哈希值，一举两得。

2. 用explode()拆分列表列 #

explode()是pandas专门用来处理包含列表（或其他可迭代对象）的列的函数，它会把列表里的每个元素拆成单独的行，其他列的内容保持不变。

举个实际的例子，先构造一个和你情况类似的DataFrame：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'groupIDs': [[1, 2, 3], [4], [5, 6]],
    'value': [10, 20, 30]
})
print("原DataFrame：")
print(df)

输出会是：

groupIDs  value
0  [1, 2, 3]     10
1        [4]     20
2     [5, 6]     30

现在调用explode()处理groupIDs列：

# 拆分列表列
df_exploded = df.explode('groupIDs', ignore_index=True)
print("\n拆分后的DataFrame：")
print(df_exploded)

输出结果：

groupIDs  value
0        1     10
1        2     10
2        3     10
3        4     20
4        5     30
5        6     30

这里ignore_index=True是让拆分后的行重新生成索引，如果你想保留原索引，可以去掉这个参数。

3. 验证groupby操作 #

现在groupIDs列里的每个值都是单个整数（可哈希类型），就可以正常做groupby了。比如我们按groupIDs分组，计算value的平均值：

# 执行groupby操作
grouped = df_exploded.groupby('groupIDs')['value'].mean()
print("\ngroupby结果：")
print(grouped)

输出：

groupIDs
1    10.0
2    10.0
3    10.0
4    20.0
5    30.0
6    30.0
Name: value, dtype: float64

完美解决了之前的报错问题！

补充小提示 #

如果你的groupIDs列里有空列表，explode()会默认把对应的行删掉，如果你想保留这些行，可以设置explode(..., keep_empty=True)，这样空列表会拆成NaN值的行。

内容的提问来源于stack exchange，提问作者LetMeSOThat4U