pandas 如何用 exploding columns 展开 list 列并保持索引

explode()是pandas 0.25+展开list列的原生方法，保持原始索引（重复出现），不支持多列同时展开，需链式调用；默认将None展开为NaN行，空值处理需谨慎；性能上易致内存飙升，索引重复后不再唯一。

用 explode() 展开 list 列并保留原始索引

explode() 是 pandas 0.25+ 提供的原生方法，专为展开嵌套 list（或 tuple、Series）列设计，天然保持原始行索引。只要目标列每个元素是可迭代对象（如 [1, 2]、["a", "b"]），调用后每项会“摊平”成独立行，原索引重复出现。

关键点：它不是“重置索引”，而是“复制索引”——原 df.index 不变，只是某些索引值出现多次。

• 若原 DataFrame 索引是整数且连续（如 RangeInde

  

  x(0, 3)），结果中会出现重复数字，比如 0, 0, 1, 2, 2, 2
• 若原索引是自定义标签（如 ["A", "B", "C"]），结果中对应标签也会重复，比如 "A", "A", "B", "C", "C"
• 不支持直接对多列同时 explode()；需链式调用或循环处理

处理含空值（None 或 NaN）的 list 列

explode() 默认将 None 或 pd.NA 展开为单个 NaN 行（即该行其他列照常，被展开列为 NaN）。如果想跳过这些空行，得先过滤或用 dropna() 清洗。

• 默认行为：df.explode("col") 遇到 None → 输出一行，该列值为 NaN
• 跳过空值：df.explode("col").dropna(subset=["col"])，但注意这会丢弃整行（其他列也跟着被删）
• 更安全做法：先用 df.loc[df["col"].apply(lambda x: isinstance(x, (list, tuple)) and len(x) > 0)] 过滤再 explode

一次展开多列 list 的正确写法

explode() 不接受列表参数，不能写成 df.explode(["col1", "col2"])。必须逐列调用，且要注意顺序——后展开的列会基于前一次 explode 的结果继续拆分，可能产生笛卡尔式膨胀。

• 错误示例：df.explode(["A", "B"]) → 报错 TypeError: explode() takes 2 positional arguments but 3 were given
• 正确串行展开（按需）：df.explode("A").explode("B")，前提是两列都含 list，且语义上允许组合爆炸
• 若只想分别展开、不交叉，应先 reset_index()，对每列单独 explode() 后再按原索引合并，但通常没必要——多数场景只需单列展开

性能与内存注意事项

当 list 很长或行数很多时，explode() 会显著增加行数，可能引发内存飙升甚至 OOM。它内部是拷贝数据，不是视图。

• 提前估算膨胀比：df["col"].str.len().sum() / len(df) 可粗略看平均膨胀倍数
• 避免在大表上对未过滤列直接 explode()；先用 .loc 限定子集
• 若后续要 groupby 原索引统计，记得用 groupby(level=0)（针对重复索引）或 groupby("original_index_col")（若已保存原索引）

真正容易被忽略的是索引语义变化：展开后索引不再是唯一标识符，所有依赖 df.loc[idx] 精确定位的操作都可能返回多行——这点在 join、赋值或调试时极易出错。