<p>您可以先将列表转换为<code>pd.Series</code>,然后再转换为{a1}它:</p>
<pre><code>In [98]: df.dictionary.apply(pd.Series).stack()
Out[98]:
0 0 u'pad'
1 u'me'
2 u'\u0437'
3 u'mi'
4 u'samsung'
5 u'\u0447\u0435\u0445\u043e\u043b'
6 u'galaxy'
7 u'\u0444\u0438\u0440\u043c\u0435\u043d\u043d\u044b\u0439'
8 u'se'
9 u'huawei'
10 u'lenovo'
11 u'\u0447\u0435\u0440\u043d\u044b\u0439'
12 u'iphone'
13 u'lg'
14 u'tab'
15 u'sony'
16 u'pro'
17 u'flip'
18 u'acer'
19 u'ip'
20 u'\u043a\u043e\u0436\u0438'
21 u'htc'
22 u'apple'
23 u'\u0447\u0435\u0445\u043b\u044b'
24 u'xperia'
...
6 15 u'smart'
16 u's4'
17 u'smartphones'
18 u'pro'
19 u'amazon'
20 u'\u0442\u0432'
21 u'price'
22 u'best'
23 u'buy'
24 u'gb'
25 u'max'
26 u'\u043a\u043b\u0438\u0435\u043d\u0442'
27 u'compare'
28 u'core'
29 u'xiaomi'
30 u'\u0442\u043e\u0432\u0430\u0440\u044b'
31 u'note'
32 u'de'
33 u'2gb'
34 u'\u043d\u0430\u0437\u0430\u0434'
35 u'\u0430\u0432\u0442\u043e'
36 u'iphone'
37 u'freakscore'
38 u'ebay'
39 u'\u0442\u043e\u043c'
</code></pre>
<p>如果您需要一个普通Python列表:</p>
^{pr2}$