本文介绍使用 pandas 的 explode、merge 和 concat 方法，根据 object 分组将 legend 中的 word_lists 展开为多行，并与原始 df 按 object 和 personid 关联后合并，同时正确标记 included 字段。
本文介绍使用 pandas 的 explode、merge 和 concat 方法，根据 object 分组将 legend 中的 word_lists 展开为多行，并与原始 df 按 object 和 personid 关联后合并，同时正确标记 included 字段。
在数据处理中，常需将嵌套的列表字段（如 word_lists）按主键展开为多行，并与已有记录进行逻辑组合。本例目标是：对每个 object 类别，将其在 legend 中定义的完整词表（word_lists）复制到该 object 下所有 personID 对应的组中，同时保留原始 df 中已存在的词（included=1），并将新增词统一标记为 included=0。
实现的关键步骤如下：
- 展开词列表：使用 .explode('word_lists') 将 legend 中每个 object 对应的列表展开为独立行；
- 重命名列并关联人员信息：将 word_lists 重命名为 word，再通过 .merge() 与 df[['object', 'personID']].drop_duplicates() 进行笛卡尔式匹配（即每个 object 的全部词，分配给该 object 下所有 personID）；
- 标记新增记录：用 .assign(included=0) 为所有展开生成的行设置 included=0；
- 合并与排序：用 pd.concat([original_df, expanded_df]) 合并原始数据与扩展数据，并按 personID 和 object 排序以提升可读性。
以下是完整可运行代码：
import pandas as pd
# 构造示例数据
df = pd.DataFrame({
'object': ['dog', 'dog', 'cat', 'mouse'],
'personID': [1, 1, 2, 3],
'word': ['paw', 'head', 'whisker', 'tail'],
'included': [1, 1, 1, 1]
})
legend = pd.DataFrame({
'object': ['dog', 'cat', 'mouse'],
'word_lists': [
['paw', 'head', 'nose', 'body'],
['whisker', 'ears', 'eyes'],
['ears', 'tail', 'fur']
]
})
# 执行扩展与合并
expanded = (legend
.explode('word_lists')
.rename(columns={'word_lists': 'word'})
.merge(df[['object', 'personID']].drop_duplicates())
.assign(included=0))
result_df = (pd.concat([df, expanded], ignore_index=True)
.sort_values(['personID', 'object'])
.reset_index(drop=True))
print(result_df)⚠️ 注意事项：
- merge(...) 默认执行内连接，但此处因 df[['object','personID']].drop_duplicates() 仅含合法 (object, personID) 组合，能确保不引入无效 personID；
- 若某 object 在 df 中无对应 personID，则其词表不会出现在结果中——这符合“按 df 中实际存在的 group 补充”的业务逻辑；
- ignore_index=True 可避免 concat 后索引重复；reset_index(drop=True) 保证最终索引连续整洁；
- 若需进一步去重（如防止原始词与 legend 中重复词产生冗余行），可在最后添加 .drop_duplicates(subset=['object','personID','word'], keep='first')，但需注意 included=1 应优先保留。
该方法简洁高效，充分利用 pandas 原生向量化操作，适用于中等规模数据（百万级以下），且逻辑清晰、易于维护和拓展。
