explode仅支持list/tuple，dict需先转为list或用pd.json_normalize；遇None/NaN会删行，需预填充；多列explode须zip合并防笛卡尔积；索引重复影响groupby/join，应合理控制ignore_index。
explode 只能展开 list 或 tuple，不能直接处理 dict
如果你的列里存的是 dict，直接调用 explode() 会报错：TypeError: explode() missing 1 required positional argument: 'column'（其实是内部判断类型失败），更常见的错误是 AttributeError: 'dict' object has no attribute 'len'。因为 explode 底层只认可迭代且有长度的序列类型，dict 虽可迭代但不满足其校验逻辑。
解决办法是先转成 list：比如把每行 {'a': 1, 'b': 2} 变成 [{'a': 1, 'b': 2}]，再 explode；或者提前用 pd.json_normalize() 拆解结构。
- 对纯
list列（如['x', 'y']或[[1,2], [3]]），explode('col_name')直接可用 - 对
dict列，先用df['col'].apply(lambda x: [x] if isinstance(x, dict) else x)统一转 list - 若 dict 内部还有嵌套 list，建议别硬刚
explode，改用pd.json_normalize(df['col'])更稳
处理含 None / NaN 的列时 explode 会丢行
explode 遇到 None、np.nan 或空 list（[]）时，默认行为是**删除整行**——不是留空，是彻底 drop。这点和直觉相反，容易导致数据量莫名减少。
- 确认缺失值状态：用
df['col'].apply(type).value_counts(dropna=False)查看实际类型 - 想保留空/缺失行，得先填充：比如
df['col'] = df['col'].apply(lambda x: x if isinstance(x, list) else [])，再explode - 或用
df.explode('col', ignore_index=False)+ 后续fillna补空，但注意ignore_index控制的是结果索引重排，不改变丢行逻辑
多列同时 explode 容易错位，必须用 merge 而非链式 explode
如果两列都是 list，且想按位置一一对应展开（比如 names=['A','B'] 和 ages=[25,30] 展成两行），不能写 df.explode('names').explode('ages') —— 这会做笛卡尔积，变成 4 行。
正确做法是先用 zip 合并再展开：
df['zipped'] = df.apply(lambda r: list(zip(r['names'], r['ages'])) if isinstance(r['names'], list) else [], axis=1)
df = df.explode('zipped')
df[['names', 'ages']] = pd.DataFrame(df['zipped'].tolist(), index=df.index)
- 注意
zip在任一输入为None时返回空迭代器，需提前处理 - 如果 list 长度不一致，
zip以最短为准，丢尾部元素；要补全得用itertools.zip_longest - 避免在大表上用
apply+zip，性能差；超 10 万行建议改用pd.concat+ 索引对齐
explode 后索引重复问题影响 groupby / join
explode 默认保留原索引，所以展开后会出现重复索引（比如原 index=0 的行炸出 3 行，index 都是 0）。这会导致 groupby 计算异常，或 join 时匹配错行。
- 加
ignore_index=True重置索引最简单，但会丢失原始行关系 - 想保留原始分组线索，可先
df = df.reset_index().explode(...).set_index('index') - 后续要做
merge，推荐用df.explode(..., ignore_index=False)+ 显式reset_index(drop=True)控制节奏
嵌套结构展开从来不是单点操作，真正麻烦的往往是展开后字段对齐、空值语义、索引一致性这些细节——炸开只是第一步，别急着链式调用。
