前言

"拆分"和"合并"这两个词在数据处理的语境里其实很含糊。标题把它们并列， 容易让人以为只有一种操作——实际在 pandas 里，这两个方向各自都至少有三类含义：

• 
  
• 拆分：把一列字符串拆成多列、把一张表按某个键拆成若干张子表、
• 
  

把一格里的列表拆成多行；

• 
  
• 合并：纵向堆叠（concat）、横向按键对齐（merge）、
• 
  

按索引拼接（join）、缺失值互补（combine_first）。

如果分不清是哪一类，就会写出"用split却想拆行"这种对不上的代码。 本文按这几种真实场景逐一说清，并给出可直接照着推演的示例。

再次提醒：pandas 是第三方库，本机没有安装、也没有 Python 解释器， 示例无法运行验证，只能逐行人工推演。具体参数以 Pandas 官方文档为准。

一、拆分之一：把字符串列拆成多列

Series.str.split是向量化的字符串切分，配合expand=True直接得到多列。

# pandas 1.0+
import pandas as pd

df = pd.DataFrame({"full": ["Alice,25,Beijing", "Bob,30,Shanghai"]})
parts = df["full"].str.split(",", expand=True)
parts.columns = ["name", "age", "city"]
print(parts)

关键点：

• 
  
• expand=True才返回DataFrame；默认False返回"每格一个列表"的Series。
• 
  
• 拆出来的列是object类型，数字列要再astype(int)转换。
• 
  
• 元素个数不一致时，短的那侧会补NaN，要留意。
• 
  

注意str.split与 Python 内置的str.split语义相近，但pandas版本多了一个expand/n的开关。内置str.split(sep=None, maxsplit=-1)保持原样。

二、拆分之二：把一格列表拆成多行

如果某一列的每个单元格本身就是列表，要把它"炸开"成多行，用explode。

# DataFrame.explode 需要 pandas 0.25+；ignore_index 参数需要 pandas 1.1+
df = pd.DataFrame(
{"order": ["A", "B"], "items": [["apple", "pear"], ["banana"]]}
)
long = df.explode("items", ignore_index=True)
print(long)

explode(column, ignore_index=False)会把 list-like 的每个元素变成一行， 并复制同一行的其他列值。它是官方 API，不是自己写的循环。若列表为空， 结果里会保留一行NaN，这一点常被忽略。

三、拆分之三：按分组键拆成多张子表

groupby之后可以迭代，每个分组是一个(键, 子 DataFrame)对：

# pandas 1.0+
groups = {city: sub for city, sub in df.groupby("city")}

这样得到的是一个字典，key 是分组键、value 是对应的子表。要点：

• 
  
• 默认as_index=True；这里迭代的是分组，与as_index无关。
• 
  
• 分组键里如果有NaN，默认dropna=True会把这个组丢掉，
• 
  

想保留分组键里的缺失值需要显式设dropna=False。

四、合并之一：纵向堆叠用 concat

# pandas 1.0+
stacked = pd.concat([df1, df2], ignore_index=True)

concat(objs, axis=0, join='outer', ignore_index=False, keys=None, ...)：

• 
  
• axis=0纵向、axis=1横向；
• 
  
• join='outer'时列取并集，缺的补NaN；join='inner'取交集；
• 
  
• ignore_index=True重建从 0 开始的整数索引，避免重复索引；
• 
  
• keys=[...]会给每段数据加一层外层索引（得到MultiIndex）。
• 
  

五、合并之二：按键对齐用 merge

# pandas 1.0+
merged = pd.merge(left, right, how="left", on="id", suffixes=("_l", "_r"))

要点：

• 
  
• 左右键名不同时用left_on/right_on；要用索引对齐就设
• 
  

left_index=True或right_index=True。

• 
  
• 两表有同名列但不是连接键时，suffixes决定后缀，默认('_x', '_y')。
• 
  
• 连接键在一边不唯一时会产生笛卡尔扩张，行数暴涨。
• 
  

可用validate="one_to_one"等取值让 pandas 主动检查并报错。

六、合并之三：按索引 join 与缺失互补

# pandas 1.0+
a = df1.join(df2, how="left") # 按索引对齐，底层仍是 merge
b = df1.combine_first(df2) # df1 缺失处用 df2 补

DataFrame.join默认是左连接（和merge默认内连接不同，别混）。combine_first则用于"两张表互补"：以调用者为基准，它缺的地方用另一张补上。 它按标签对齐，只有双方索引/列对不上的位置才会用对方的值填充，因此 最适合"两份来源不同、覆盖范围互相错开"的数据。

如果你只想标记每行来自哪张表，而不是真的拼接，可以在merge里传indicator=True，结果会多出一列_merge，取值是left_only、right_only或both。排查"为什么合并后少了行"时，这一列非常有用：

# pandas 1.0+
probe = pd.merge(left, right, on="id", how="outer", indicator=True)
print(probe["_merge"].value_counts())

先看value_counts()的输出，就能立刻知道是左表独有的键多、还是右表独有的键多。

七、完整示例

# pandas 1.0+
import pandas as pd


def build(orders: pd.DataFrame, users: pd.DataFrame) -> pd.DataFrame:
# 拆分：把 "user_id|sku" 拆成两列
split = orders["key"].str.split("|", expand=True)
split.columns = ["user_id", "sku"]
orders = pd.concat([orders.drop(columns="key"), split], axis=1)

# 合并：补上用户城市
merged = orders.merge(users, how="left", on="user_id",
validate="many_to_one")
return merged


if __name__ == "__main__":
print(build(pd.DataFrame(), pd.DataFrame()).columns)

这段示例把str.split、concat(axis=1)、merge串了起来； 实际使用时把空DataFrame换成真实数据即可。

常见坑点

1. 
   
2. str.split忘了expand=True
3. 
   

❌df["a"].str.split(",")得到"每格是列表"的Series，再取列会报错 ✅df["a"].str.split(",", expand=True)得到可用的多列DataFrame

1. 
   
2. 拿split去拆行
3. 
   

❌ 想"把一格列表拆成多行"却用str.split，结果每格还是一个列表 ✅ 用df.explode("items")

1. 
   
2. concat后索引重复
3. 
   

❌pd.concat([df1, df2])得到 0,1,2,0,1,2 的重复索引，后续.loc[0]取到多行 ✅pd.concat([df1, df2], ignore_index=True)

1. 
   
2. 把merge和join的默认连接方向记混
3. 
   

❌ 以为df.join(other)是内连接 ✅merge默认how="inner"，join默认how="left"，别混

1. 
   
2. 连接键有重复导致行数暴涨
3. 
   

❌ 以为一对一，结果一边键重复，合并后行数翻几倍还不知道为什么 ✅ 显式传validate="many_to_one"等，让 pandas 帮你查基数关系

1. 
   
2. concat(axis=1)不按列名对齐
3. 
   

❌ 以为横向拼接会自动按列名对齐再并入，实际是按索引对齐 ✅ 横向拼接靠索引；要按键对齐请用merge

1. 
   
2. 分组时丢掉了键里的NaN
3. 
   

❌df.groupby("city")后城市为空的组凭空消失 ✅ 需要保留就写df.groupby("city", dropna=False)

总结

拆分与合并的关键不是记函数名，而是先判断"拆的是列、行还是组"、 "合的是纵向、按键还是按索引"。方向定下来，函数自然就选对了。