本文介绍如何使用 pandas 的 explode() 与 pivot() 组合，高效地将包含并行键列表和值列表的两列（如 ['Dogs','Cats'] 和 [0.5,0.25]）转换为以键为列名、值为单元格内容的宽格式 DataFrame，并自动补零对齐。
本文介绍如何使用 pandas 的 `explode()` 与 `pivot()` 组合，高效地将包含并行键列表和值列表的两列（如 `['dogs','cats']` 和 `[0.5,0.25]`）转换为以键为列名、值为单元格内容的宽格式 dataframe，并自动补零对齐。
在实际数据处理中，常遇到“键值对存于平行列表列”的结构：一列存储类别标签（如 ['Dogs', 'Cats', 'Horses']），另一列存储对应数值（如 [0.5, 0.25, 0.25]）。目标是将其规整为标准宽表——即每个唯一键成为独立列，每行按原始映射填充数值，缺失项补 0。手动循环不仅易错（如原代码因误判 value 类型引发 TypeError: 'float' object is not iterable），且性能低下。
推荐解法：explode() + pivot() 一行实现
核心思路是利用 explode() 对多列同步展开（确保键与值的对应关系不被破坏），再用 pivot() 重塑结构：
import pandas as pd
# 构造示例数据
df = pd.DataFrame({
"Column A": [['Dogs','Cats','Horses'], ['Dogs'], ['Cats','Horses']],
"Column B": [[0.5, 0.25, 0.25], [1.0], [0.75, 0.25]]
})
# 一行完成转换
result = df.explode(["Column A", "Column B"]).pivot(
columns="Column A",
values="Column B"
).fillna(0).sort_index(axis=1) # sort_index 可选，使列按字母序排列
print(result)输出：
Column A Cats Dogs Horses 0 0.25 0.5 0.25 1 0.00 1.0 0.00 2 0.75 0.0 0.25
✅ 关键说明：
- explode(["Column A", "Column B"])：要求两列均为 list 类型，且同索引行内列表长度一致。pandas 会逐行同步展开，保证 'Dogs' ↔ 0.5、'Cats' ↔ 0.25 等配对不丢失；
- pivot(columns="Column A", values="Column B")：以展开后的 "Column A" 值为新列名，"Column B" 值为单元格内容；
- fillna(0)：将未出现的组合（如第1行无 'Cats'）填充为 0.0，符合需求；
- .sort_index(axis=1)：可选，使列名按字典序排列（Cats, Dogs, Horses），提升可读性。
⚠️ 注意事项：
- 若原始数据存在空列表（如 []），explode 后该行将被丢弃。需提前处理：df = df[df['Column A'].str.len() > 0]；
- 若 Column B 中存在非数值类型（如字符串），pivot 可能报错，建议转换：df['Column B'] = df['Column B'].apply(pd.to_numeric, errors='coerce')；
- 此方法天然支持任意数量的键值对，无需预定义列名，扩展性强。
相比嵌套循环，该方案简洁、向量化、鲁棒性强，是 pandas 处理此类“列表对齐展开”任务的标准范式。
