Python Pandas实现一行拆多行与多行合并一行的两种方法

橘子海

发布时间：2026-10-14| 2人浏览过

原创

本文介绍在Python Pandas中处理数据结构的两种常见操作：一行拆多行和多行并一行。通过Pandas.melt与str.split组合，以及新增的explode方法，分别实现拆分逻辑；利用groupby聚合函数完成合并。文章提供完整代码示例与关键参数说明，帮助开发者高效解决数据重塑问题。

Python Pandas实现一行拆多行与多行合并一行的两种方法

粉丝提问

今日有读者提出一个数据处理需求，涉及“一行拆多行”与“多行并一行”两个方向。虽然部分用户已通过Power Query解决，但本文重点探讨如何在Python环境下实现相同功能。

一行拆多行的两种实现思路

一行拆多行

针对上述拆分需求，本文提供两种不同的实现思路，供读者根据实际场景选择。推荐优先使用更简洁的方法，同时每种方案中均包含值得深入学习的技巧。

方法一

以下代码涉及多个关键知识点，建议读者结合实例深入理解。此处仅展示解决思路，具体函数的详细用法需读者自行查阅文档与实践。

掌握Pandas.melt()函数的使用；
理解Series.str.split("/",expand=True)中expand=True参数的作用；
学习Series.sort_values()对文本字段进行排序；
熟悉Python中enumerate()函数的遍历用法；


import pandas as pd
# 读取数据
df = pd.read_excel("test1.xlsx",sheet_name="Sheet1")
# 将一列炸裂成多列
df[["类型1","类型2","类型3"]] = df["电影类型"].str.split("/",expand=True)
# 选取想要的列
df_final = df[["电影名","类型1","类型2","类型3"]]
# 将行专列
df_final = df_final.melt(id_vars=["电影名"],value_name="类型")
# 对“电影名”字段进行排序
df_final = df_final[["电影名","类型"]]
df_final.sort_values(by="电影名",inplace=True)
# 删除“类型==None”的行
for index,value in enumerate(df_final["类型"]):
  if value == None:
    df_final.drop(df_final.index[index],inplace=True)
df_final

运行结果如下：

方法二

前述方法逻辑相对繁琐。若读者使用的Pandas版本低于0.25（如0.23.4），则无法使用explode()方法。该函数在Pandas 0.25版本中引入，专门用于将单行数据展开为多行。

掌握Pandas.explode()函数的使用；


import pandas as pd
# 读取数据
df = pd.read_excel("test1.xlsx",sheet_name="Sheet1")
# 将一行拆分成列表形式，注意：这里不需要使用expand=True参数
df["type"] = df["电影类型"].str.split("/")
# 直接炸裂指定列
df.explode("type")

运行结果如下：

多行并一行的聚合处理

多行并一行

此部分无需复杂技巧，核心在于理解Pandas的分组聚合操作。通过定义聚合函数并应用于groupby结果，即可轻松实现多行数据合并为一行。


import pandas as pd
# 读取数据
df = pd.read_excel("test1.xlsx",sheet_name="Sheet2")
# 分组聚合，应用某个函数
def func(df):
  return ','.join(df.values)
df = df.groupby(by='电影名').agg(func).reset_index()
df

运行结果如下：