pandas 中将列表列按行展开并重塑为宽格式的完整教程

本文详解如何在 pandas 中高效地将含等长列表的列“行式爆炸”（row-wise explode），跳过传统 explode() + pivot() 的繁琐流程，直接通过 DataFrame() 构造与索引对齐实现一步到位的宽表转换，并支持动态列名生成。

本文详解如何在 pandas 中高效地将含等长列表的列“行式爆炸”（row-wise explode），跳过传统 explode() + pivot() 的繁琐流程，直接通过 DataFrame() 构造与索引对齐实现一步到位的宽表转换，并支持动态列名生成。

做数据处理时，经常会碰到一种情况：某一列存的是等长列表，比如 [10, 11]、[15, 16]。但我们的目标并不是把每个元素纵向展开成多行（也就是 df.explode('val') 那种效果），而是希望保持原始行结构，把每个列表横向拆成多个新列，最终得到一个类似 SQL 中 PIVOT 的宽表。这种需求在特征工程、API 响应解析、嵌套 JSON 展平等场景里特别常见。

最直接也最高效的做法，就是绕过 explode 和 pivot 的组合链路，直接利用 pd.DataFrame() 构造器的灵活性：把列表列转成 Python 的列表的列表（df['val'].tolist()），然后把分组键（比如 'id'）设成 index，再通过 columns 参数显式命名新列。来看代码：

import pandas as pd
data = [[1, [10, 11]], [1, [15, 16]], [2, [20, 24]], [2, [22, 23]]]
df = pd.DataFrame(data, columns=['id', 'val'])

# ✅ 推荐方案：一步构造宽表（要求 val 中所有列表等长）
out = pd.DataFrame(df['val'].tolist(), 
                   index=df['id'], 
                   columns=['col_1', 'col_2'])
print(out)

输出：

    col_1  col_2
id             
1      10     11
1      15     16
2      20     24
2      22     23

⚠️ 注意：上面的结果保留了重复的 id 索引。如果希望按 id 聚合（比如取首行或均值），可以追加 .groupby(level=0).first() 或其他聚合逻辑；如果原始数据已经保证了每个 id 对应唯一列表（比如提前做了 df.drop_duplicates('id')），那直接使用就行。

当列数较多，或者希望自动生成列名时，可以用 rename() 配合 lambda 动态命名（从 0 开始索引 → col_1, col_2, …）：

# 自动命名：col_1, col_2, col_3, ...
out = (pd.DataFrame(df['val'].tolist(), index=df['id'])
         .rename(columns=lambda x: f'col_{x + 1}'))

? 关键原理其实很简单：

• df['val'].tolist() 把 Series 转成 Python 列表（比如 [[10, 11], [15, 16], ...]），这是 pd.DataFrame() 可以直接解析的二维结构；
• index=df['id'] 把原 id 列作为新 DataFrame 的行索引，天然完成了“按 id 对齐”；
• columns= 显式定义列名，避免默认的 0, 1, … 这种无意义编号；
• 这个办法完全不依赖 explode，没有中间冗余行，性能更好，代码也更干净。

❌ 顺便提一下不推荐的绕路做法（仅作对比）：如果坚持用 explode + groupby().cumcount() 生成列名再 pivot，代码不仅冗长，还容易因为索引错位导致 pivot 失败，而且列顺序也不稳定。

总结一下：当列表列长度一致时，pd.DataFrame(list_of_lists, index=..., columns=...) 是实现“行式爆炸”最优雅、最高效、最可控的方案。它的本质是利用 pandas 的索引对齐能力，把嵌套结构直接映射成二维表格，算是 pandas 高级用法的一个典型体现。