### 在旧版本 Pandas 中实现列拆分并展开为多行的操作 在旧版本的 Pandas 中，虽然可能没有 `explode` 方法[^1]，但可以通过结合使用 `str.split` 和 `pandas.DataFrame.repeat` 方法来实现类似功能。以下是具体的实现方法： #### 实现代码示例 ```python import pandas as pd # 创建示例数据框 data = { 'Book_ID': [1, 2], 'Book_Name': ['书A', '书B'], 'Author_作者': ['张三;李四;王五', '赵六;孙七'] } df = pd.DataFrame(data) # 显示原始数据框 print("原始数据框：") print(df) # 按照分号拆分 Author_作者 列 df_split = df['Author_作者'].str.split(';', expand=True) # 将每个元素拆分为单独的列[^1] # 使用 repeat 方法扩展其他列，并将拆分后的作者列表平铺 df_repeated = df.loc[df.index.repeat(df_split.notna().sum(axis=1))] # 根据非空值数量重复行[^1] df_repeated.reset_index(drop=True, inplace=True) # 将拆分后的作者列展平并合并到主数据框中 df_final = pd.concat([df_repeated, df_split.stack().reset_index(level=1, drop=True).rename('Author_作者')], axis=1) df_final = df_final[df.columns.tolist()] # 保留原始列顺序 # 显示拆分后的数据框 print("\n拆分后的数据框：") print(df_final) ``` #### 输出结果解释 上述代码首先创建了一个包含 `Author_作者` 列的数据框。通过 `str.split` 方法将 `Author_作者` 列按分号拆分为多个列[^1]。然后使用 `repeat` 方法根据拆分后的非空值数量扩展其他列，并通过 `stack` 方法将拆分后的作者列表平铺为单列。最终结果是一个新的数据框，其中 `Author_作者` 列的每个值独立成行，而其他列保持不变。 #### 注意事项 - 在执行拆分操作前，确保目标列中所有分隔符一致。如果存在不一致的分隔符，可能需要先进行数据清洗。 - 如果数据量较大，建议分批次处理以避免内存不足的问题。 - 在某些情况下，可能需要对拆分后的数据进行去重或其他进一步处理。 #### 示例输出 假设输入数据如下： | Book_ID | Book_Name | Author_作者 | |---------|-----------|------------------| | 1 | 书A | 张三;李四;王五 | | 2 | 书B | 赵六;孙七 | 执行上述代码后，输出结果为： | Book_ID | Book_Name | Author_作者 | |---------|-----------|-------------| | 1 | 书A | 张三 | | 1 | 书A | 李四 | | 1 | 书A | 王五 | | 2 | 书B | 赵六 | | 2 | 书B | 孙七 | ####