Python Pandas DataFrame未知列列表拆分为行的实现方法

针对你这种每列都是列表数据、想要把列表元素横向转纵向对应成行的需求，这里有几种实用的方法，根据你的pandas版本来选择：

方法一：使用explode（推荐，pandas 1.3.0+） #

从pandas 1.3.0版本开始，explode支持同时对多列进行操作，只要每列的列表长度一致，一行代码就能搞定：

import pandas as pd

# 假设你的DataFrame名为df
result = df.explode(df.columns.tolist())
# 重置索引（可选，去掉原来的行索引）
result = result.reset_index(drop=True)

举个实际例子，比如你的输入DataFrame是：

data = {
    'numberArray1': [[32.09561, 32.43092, 32.37599]],
    'numberArray10': [[37.015972, 37.015972, 36.889534]],
    'numberArray11': [[996.2953, 996.2609, 996.28845]]
}
df = pd.DataFrame(data)

运行上面的代码后，result就是你想要的结构：

方法二：兼容旧版pandas（1.3.0以下） #

如果你的pandas版本较低，不支持多列explode，可以用apply结合pd.DataFrame来实现：

# 遍历每一行，将每个列的列表转为DataFrame的列，再合并所有行的结果
result = df.apply(lambda row: pd.DataFrame({col: row[col] for col in df.columns}), axis=1).concat()
# 重置索引
result = result.reset_index(drop=True)

这个方法同样能得到和上面一致的结果，只是代码稍微长一点。

处理列表长度不一致的情况 #

如果不同列的列表长度不一样，直接explode会报错，这时候可以根据需求处理：

1. 截断到最短列表的长度 #

# 获取所有列中最短的列表长度
min_length = min(df.apply(lambda col: len(col.iloc[0])).values)
# 截断每个列的列表到最短长度
df_truncated = df.apply(lambda col: col.apply(lambda lst: lst[:min_length]))
# 再执行explode
result = df_truncated.explode(df.columns.tolist())

2. 填充NaN到最长列表的长度 #

# 获取所有列中最长的列表长度
max_length = max(df.apply(lambda col: len(col.iloc[0])).values)
# 给短列表填充NaN，补到最长长度
df_padded = df.apply(lambda col: col.apply(lambda lst: lst + [pd.NA]*(max_length - len(lst))))
# 执行explode
result = df_padded.explode(df.columns.tolist())

这样就能处理不同长度列表的情况，避免报错。

内容的提问来源于stack exchange，提问作者Ahmad Ahsan Saleem