本文介绍使用 pandas 的 `str.split()` 与 `explode()` 方法，高效、安全地将 dataframe 中多个字符串型列表列（如 "ms" 和 "ds"）按元素一一配对展开为长格式，自动处理长度不一致时的填充（如补 nan）。
在数据清洗和预处理中，常遇到将多列逗号分隔字符串“同步展开”为多行的需求：即每行原始记录对应若干组 (MS_i, DS_j) 组合，且两列元素需按位置配对（而非笛卡尔积），当列长度不等时需用 NaN 补齐。Pandas 提供了简洁优雅的解决方案——结合 str.split()、zip_longest 和 explode()。
✅ 推荐实现（清晰、健壮、可读性强）
import pandas as pd
from itertools import zip_longest
# 示例数据
df = pd.DataFrame({
'ID': [654, 131, 598],
'MS': ['1500,10000,20000,30000', '1500,10000,20000', '1500,10000,20000,30000'],
'DS': ['60,365,730', '60,365,730', '60,365,730']
})
# 步骤 1：将 MS 和 DS 列转为 list（按逗号分割）
df[['MS', 'DS']] = df[['MS', 'DS']].apply(lambda x: x.str.split(','), axis=1)
# 步骤 2：逐行 zip_longest 配对，生成元组列表（自动以 None 填充短列）
df['paired'] = df.apply(lambda row: list(zip_longest(row['MS'], row['DS'])), axis=1)
# 步骤 3：explode 展开 paired 列，再拆分为独立列
df = df.explode('paired')
df[['MS', 'DS']] = pd.DataFrame(df['paired'].tolist(), index=df.index)
# 可选：将 MS/DS 转为数值类型（原始为字符串）
df['MS'] = pd.to_numeric(df['MS'], errors='coerce')
df['DS'] = pd.to_numeric(df['DS'], errors='coerce')
print(df[['ID', 'MS', 'DS']])输出结果：
ID MS DS 0 654 1500 60.0 0 654 10000 365.0 0 654 20000 730.0 0 654 30000 NaN 1 131 1500 60.0 1 131 10000 365.0 1 131 20000 730.0 2 598 1500 60.0 2 598 10000 365.0 2 598 20000 730.0 2 598 30000 NaN
⚠️ 注意事项与最佳实践
- zip_longest vs zip：务必使用 itertools.zip_longest（而非内置 zip），否则短列会被截断，丢失数据；
- fillvalue 参数：默认为 None，符合 pandas 的缺失值语义；若需显式 'Nan' 字符串，请传入 fillvalue='Nan'，但注意这会改变数据类型（非数值）；
- 性能优化：对大数据集，避免 apply(..., axis=1) 循环；本方案虽简洁，若性能敏感，可改用 pd.concat + map 手动构建索引，但可读性下降；
- 空值/异常处理：str.split(',') 对空字符串返回 ['']，对 NaN 返回 NaN；建议前置清洗：df[['MS','DS']] = df[['MS','DS']].fillna('')；
- 扩展性：该模式可轻松扩展至 3+ 列（如新增 'TS' 列），只需在 zip_longest(...) 中添加对应字段，并调整 pd.DataFrame(...).tolist() 的解包逻辑。
掌握此方法，即可稳健应对多列字符串同步展开这一高频数据整形任务。
