如何不使用explode拆分列？如何拆分指定电影数据集（explode已弃用）

嘿，我来帮你搞定这两个问题，尤其是你提到的电影数据集格式转换需求，而且完全不用已弃用的explode方法：

如果要把包含分隔符的列拆分成多行，又不能用explode，核心思路是先把字符串拆分成列表，再把列表展开成独立行，同时保留原行的其他字段。在Pandas里，常用的方案是结合str.split、join和melt，或者用apply(pd.Series)配合stack()来实现。

先明确你的需求：

原始格式：

电影标题 | 电影类型
Toy Story | Animation|Children|Comedy

目标格式：

电影标题 | 电影类型
Toy Story | Animation
Toy Story | Children
Toy Story | Comedy

下面是用Pandas实现的代码，完全避开explode：

import pandas as pd

# 构建示例数据集（实际使用时替换成你的数据加载代码，比如pd.read_csv）
df = pd.DataFrame({
    '电影标题': ['Toy Story'],
    '电影类型': ['Animation|Children|Comedy']
})

# 第一步：拆分电影类型为多列，并保留原电影标题列
split_genres = df['电影类型'].str.split('|', expand=True)
split_genres = split_genres.join(df['电影标题'])

# 第二步：将多列的类型转成多行，和电影标题一一对应
transformed_df = split_genres.melt(
    id_vars='电影标题',  # 保留电影标题作为标识，不参与转换
    value_name='电影类型'  # 指定转换后的类型列名
).dropna(subset=['电影类型'])  # 移除拆分后可能出现的空值行

# 第三步：清理多余列并重置索引
transformed_df = transformed_df.drop(columns='variable').reset_index(drop=True)

# 查看结果
print(transformed_df)

代码逻辑说明： #

• str.split('|', expand=True)：把多类型的字符串按|拆分成独立的列，每个列对应一个电影类型。
• join(df['电影标题'])：把原行的电影标题和拆分后的所有类型列绑定，确保每个类型都能关联到对应的电影。
• melt()：将拆分出来的多列类型“融化”成一列，自动重复对应的电影标题，实现一对多的行展开。
• dropna()和后续的清理操作：确保结果里没有无效的空值行，让输出格式更整洁。

这个方法也适用于更大的数据集，只要把示例里的DataFrame替换成你的实际数据加载逻辑就行。

内容的提问来源于stack exchange，提问作者elibretto