拆分（分解）数据帧字符串条目以分隔行

：a
Output[7]：
var1 var2
0 a、b、c 1
1d，e，f2
At[8]：b中
Output[8]：
var1 var2
0 a 1
1 b 1
2 c 1
三维2
4 e 2
5f2

将numpy作为np导入
a=数据帧（[{'var1'：'a，b，c'，'var2'：1}，
{'var1'：'d，e，f'，'var2'：2}]）
b=数据帧（[{'var1'：'a'，'var2'：1}，
{'var1'：'b'，'var2'：1}，
{'var1'：'c'，'var2'：1}，
{'var1'：'d'，'var2'：2}，
{'var1'：'e'，'var2'：2}，
{'var1'：'f'，'var2'：2}]）

定义乐趣（世界其他地区）：
字母=行['var1']
字母=字母。拆分（'，'）
out=np.数组（[行]*len（字母））
out['var1']=字母
a['idx']=范围（a.shape[0]）
z=a.groupby（'idx'））
z、 转变（乐趣）

更新3:使用Series.explode（）/DataFrame.explode（）方法（在Pandas 0.25.0中实现，在Pandas 1.3.0中扩展以支持多列分解）更有意义，如使用示例所示：

对于单个列：

[1]on

：df=pd.DataFrame（{'A'：[[0,1,2]，'foo'，[]，[3,4]，
…：“B”：1，
…：'C'：[[a'，'b'，'C']，np.nan，[]，['d'，'e']}）
In[2]：df
Output[2]：
A、B、C
0[0,1,2]1[a，b，c]
1富1南
2         []  1         []
3[3,4]1[d，e]
At[3]on：df.explode（'A'）
Output[3]：
A、B、C
01[a，b，c]
01[a，b，c]
021[a，b，c]
1富1南
2南1[]
3 1[d，e]
3 4 1[d，e]

对于多列（对于熊猫1.3.0+）：

[4]on

：df.explode（['A'，'C']）
Output[4]：
A、B、C
01 a
011B
0 2 1 c
1富1南
2楠1楠
31D
3 4 1 e

---

更新2:更通用的矢量化函数，可用于多个normal和多个list列

def explode（df，lst\u cols，fill\u value=''，preserve\u index=False）：
#确保'lst_cols'与列表相似
如果（lst_cols）不是无
和len（lst_cols）&gt；0
而不是实例（lst_cols，（list，tuple，np.ndarray，pd.Series））：
lst_cols=[lst_cols]
#除'lst_cols'外的所有列`
idx_cols=df.columns.difference（lst_cols）
#计算列表的长度
lens=df[lst_cols[0]]str.len（）
#保留原始索引值
idx=np.重复（df.index.values，镜头）
#创建；“爆炸”；DF
res=（pd.DataFrame）({
列：np.重复（df[col].值，镜头）
对于idx_cols}中的col，
索引=idx）
.assign（**{col:np.concatenate（df.loc[lens&gt；0，col].values）
对于lst_cols}）中的col）
#附加那些具有空列表的行
如果（镜头==0）。任何（）
#单元格中至少有一个列表为空
res=（res.append（df.loc[lens==0，idx\u cols]，sort=False）
.fillna（填充值））
#恢复原始索引顺序
res=res.sort_index（）
#如果需要，重置索引
如果不保留索引：
res=res.reset_索引（drop=True）
返回res

演示：

多个列表列-所有列表列在每行中必须具有相同的元素：

[134]on

：df
Output[134]：
aaa myid num文本
0101[1,2,3][aa，bb，cc]
1   11     2         []            []
2 12 3[1,2][cc，dd]
3   13     4         []            []
At[135]on：分解（df，['num'，'text']，fill_value=''）
Output[135]：
aaa myid num文本
011AA
110121BB
21013毫升
3   11     2
41231毫升
5 12 3 2日
6   13     4

保留原始索引值：

[136]on

：分解（df，['num'，'text']，填充值=''，保留索引=真）
Output[136]：
aaa myid num文本
011AA
010 12 bb
0 10 1 3 cc
1   11     2
2 12 3 1毫升
2012年3月2日
3   13     4

设置：

df=pd.DataFrame({
‘aaa’：{0:10,1:11,2:12,3:13}，
'myid'：{0:1,1:2,2:3,3:4}，
'num'：{0:[1,2,3]，1:[]，2:[1,2]，3:[]}，
'text'：{0:['aa'，bb'，cc']，1:[]，2:['cc'，dd']，3:[]
})

CSV列：

[46]on

：df
Output[46]：
var1 var2 var3
0 a、b、c 1 XX
1 d，e，f，x，y 2 ZZ
At[47]on：分解（df.assign（var1=df.var1.str.split（'，'），'var1'））
Output[47]：
var1 var2 var3
0 a 1 XX
1b1xx
2 c 1 XX
3D 2 ZZ
4 e 2 ZZ
5F2ZZ
6 x 2 ZZ
7 y 2 ZZ

使用此小技巧，我们可以将类似CSV的列转换为list列：

[48]on

：df.assign（var1=df.var1.str.split（'，'））
Output[48]：
var1 var2 var3
0[a，b，c]1 XX
1[d，e，f，x，y]2 ZZ

---

更新：通用矢量化方法（也适用于多列）：

原始DF：

[177]on

：df
Output[177]：
var1 var2 var3
0 a、b、c 1 XX
1 d，e，f，x，y 2 ZZ

解决方案：

首先，让我们将CSV字符串转换为列表：

[178]on

：lst_col='var1'
At[179]on：x=df.assign（**{lst_col:df[lst_col].str.split（'，'）}）
In[180]：x
Output[180]：
var1 var2 var3
0[a，b，c]1 XX
1[d，e，f，x，y]2 ZZ

现在我们可以这样做：

[181]on

：pd.DataFrame({
…：col:np.repeat（x[col].values，x[lst_col].str.len（））
…：用于x列中的列。差异（[lst_col]）
赋值（**{lst_col:np.concatenate（x[lst_col].values）}）[x.columns.tolist（）]
...:
Output[181]：
var1 var2 var3
0 a 1 XX
1b1xx
2 c 1 XX
3D 2 ZZ
4 e 2 ZZ
5F2ZZ
6 x 2 ZZ
7 y 2 ZZ

---

旧答案：

受@AFinkelstein solution的启发，我想让它更具通用性，可以应用于具有两列以上的DF，并且速度几乎与AFinkelstein的解决方案一样快）：

[2]on

：df=pd.DataFrame(
…：[{'var1'：'a，b，c'，'var2'：1'，var3'：'XX'}，
…：{'var1'：'d，e，f，x，y'，'var2'：2'，var3'：'ZZ'}]
...: )
In[3]：df
Output[3]：
var1 var2 var3
0 a、b、c 1 XX
1 d，e，f，x，y 2 ZZ
At[4]on：（df.set_index（df.columns.drop（'var1'，1.tolist（））
…：.var1.str.split（“，”，expand=True）
…：.stack（）
…：.reset_index（）
…：.rename（列={0:'var1'}）
…：.loc[：，df.列]
...: )
Output[4]：
var1 var2 var3
0 a 1 XX
1b1xx
2 c 1 XX
3D 2 ZZ
4 e 2 ZZ
5F2ZZ
6 x 2 ZZ
7 y 2 ZZ