使用列表解析和DataFrame构造函数：

out = pd.DataFrame([[name, len(l)] for l in data for name in l],
                   columns=['name', 'teamsize'])

输出：

name  teamsize
0    Alice         1
1      Bob         2
2    Betty         2
3  Charlie         3
4    Cindy         3
5   Cramer         3

为了好玩，这里有一个纯粹的Pandas解决方案（但可能效率较低!）：

out = (pd.DataFrame({'name': data})
         .assign(teamsize=lambda d: d['name'].str.len())
         .explode('name', ignore_index=True)
      )

您可以用途：

name = []
teamsize = []
for i in data:
    for  n in i:
        name.append(n)
        teamsize.append(len(i))

df = pd.DataFrame(list(zip(name, teamsize)),
                  columns =['name', 'teamsize'])

另一个Pandas解决方案：

df = (pd.DataFrame(data).T.melt(value_name='name').dropna()
        .assign(teamsize=lambda x: x.groupby(x.pop('variable')).transform('count'))
print(df)

# Output
      name  teamsize
0    Alice         1
3      Bob         2
4    Betty         2
6  Charlie         3
7    Cindy         3
8   Cramer         3