Pandas：多DataFrame含不等长列表转置合并，保留NaN

嘿，我来帮你解决这个问题！你遇到的NaN被跳过的问题，根源在于处理Locations列时调用了dropna()，把包含NaN的行直接删掉了，自然合并的时候就看不到这些组合啦。下面给你两种解决方案，选你顺手的来用：

方法一：用explode一步到位（最简洁） #

Pandas的explode方法专门用来把列表拆成多行，而且从版本1.3.0开始支持dropna参数，刚好可以保留NaN。我们只需要对每一列依次执行explode，最后重命名列名就搞定了：

import pandas as pd

# 假设你的原始DataFrame是df
df_final = df.explode('Job positions') \
             .explode('Job types') \
             .explode('Locations', dropna=False)

# 重命名列名到你想要的格式
df_final = df_final.rename(columns={
    'Job positions': 'Job position',
    'Job types': 'Job type',
    'Locations': 'Location'
})

# 查看结果
print(df_final)

这样执行后，就会得到你期望的所有组合，包括包含NaN的行。

方法二：修正你原来的melt+reduce方法 #

如果你更习惯用自己原来的思路，只需要修改Locations列的处理逻辑，去掉dropna()，同时给每个列的value重命名，避免合并后列名冲突：

import pandas as pd
from functools import reduce

# 处理Job positions列，保留index和拆分后的值
positions = df['Job positions'].apply(pd.Series).reset_index() \
               .melt(id_vars='index').dropna()[['index', 'value']] \
               .set_index('index').rename(columns={'value': 'Job position'})

# 处理Job types列，同样保留index和拆分后的值
types = df['Job types'].apply(pd.Series).reset_index() \
           .melt(id_vars='index').dropna()[['index', 'value']] \
           .set_index('index').rename(columns={'value': 'Job type'})

# 处理Locations列，关键：不要调用dropna()，保留NaN
locations = df['Locations'].apply(pd.Series).reset_index() \
               .melt(id_vars='index')[['index', 'value']] \
               .set_index('index').rename(columns={'value': 'Location'})

# 合并三个DataFrame，按index做笛卡尔积合并
dfs = [positions, types, locations]
df_final = reduce(lambda left, right: pd.merge(left, right, left_index=True, right_index=True, how='outer'), dfs)

# 查看结果
print(df_final)

这里的核心就是不要对Locations列执行dropna()，这样原始数据里的NaN就会被保留下来，合并时就能生成对应的组合了。

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