python dataframe的某一列变为list_Pandas某一列是列表，怎么展开呢？

问题来了

又是下午，昏昏欲睡。翻起了之前遇到的一个奇怪的需求，具体细节记不得了，只记得小姐姐当时一脸严肃的说，我这儿有一堆数据，某一列可能是列表，你把他们展开，一会儿给我。当时我还一脸懵逼，回味了很久才大致知道她啥意思。

大概就是这么一个dataframe：

变身前

把他进化成：

进化后

当时想了想，这需求很简单啊，应该五分钟吧。于是，我又熟练的打开CSDN，在饱受一大群装逼犯和复制粘贴党的精神摧残后，还是决定关掉浏览器，先暴力解决一下（因为我很怕小姐姐口中的一会儿就是10分钟或者15分钟）。

导入一下，建造一下：

import 

这就是上面那个变身前的鬼数据。

• 方法一

所以，咋暴力呢，大概就是对dataframe的每一行遍历一下，遇到list就for循环拼接一下：

def 

在沉浸其中许久，写出了这么一坨，运行一下：

explode1

破费，交任务去了。

• 方法二：

任务交上去了，我再回首我之前的写法，发现我不是很想看它。能不能优化一下呢？于是我找到了玩弄pandas多年的何同学，并向他展示了我刚刚写的高级写法。

“你先import this ”

“为啥？你就说能不能解决吧？”

“你这if套着for，for套着if，必需得学习一下python精神 ”

在我学习精神后，何同学给我发来这么一段：

def 

这么简洁，这么优美，运行一下：

explode2

任重道远啊。

• 方法三：

欣赏完何同学的写法，我陷入了沉思，在借鉴何同学和CSDN上的一个写法后，憋出了方法三：

def 

运行一下：

explode3

破费。

那么看一下三个方法的运行效率吧：

%timeit explode1(dd, "C")
%timeit explode2(dd, "C")
%timeit explode3(dd, "C")

何同学还是高啊：

14.7 ms ± 742 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.87 ms ± 52.5 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
3.58 ms ± 148 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) 

收拾收拾，睡午觉了。

---

• 方法四

其实，官方有函数，刚在评论区看到：

dd

以上。