嗨，我有一个像这样的数据框：
A B
0: some value [[L1, L2]]
我希望你能将其改变成：
A B
0: some value L1
1: some value L2
我该怎么做？
6个回答
82
Pandas >= 0.25
->数据处理库 Pandas 版本需不低于 0.25
df1 = pd.DataFrame({'A':['a','b'],
'B':[[['1', '2']],[['3', '4', '5']]]})
print(df1)
A B
0 a [[1, 2]]
1 b [[3, 4, 5]]
df1 = df1.explode('B')
df1.explode('B')
A B
0 a 1
0 a 2
1 b 3
1 b 4
1 b 5
我不知道这个方法有多好，但当你有一系列项目时，它能够起到作用。
- Pygirl
6
38
您可以以下方式完成：
In [84]: df
Out[84]:
A B
0 some value [[L1, L2]]
1 another value [[L3, L4, L5]]
In [85]: (df['B'].apply(lambda x: pd.Series(x[0]))
....: .stack()
....: .reset_index(level=1, drop=True)
....: .to_frame('B')
....: .join(df[['A']], how='left')
....: )
Out[85]:
B A
0 L1 some value
0 L2 some value
1 L3 another value
1 L4 another value
1 L5 another value
更新：更通用的解决方案
- MaxU - stand with Ukraine
9
1@ soupault，没错，谢谢！这段代码适用于特定的问题（被问到的那个）。部分原因是我发布了一个更通用的解决方案链接... - MaxU - stand with Ukraine
@Roy，针对我答案中的输出数据框：
df.groupby("A")["B"].apply(list) - MaxU - stand with Ukraine@MaxU。太好了。谢谢。如果我们只想要列值（没有索引），我们该怎么做呢？ - Roy
1哦，是的。谢谢你告诉我，@MaxU :) - Roy
显示剩余4条评论
10
使用chain.from_iterable和numpy.repeat可以更快地解决问题：
from itertools import chain
import numpy as np
import pandas as pd
df = pd.DataFrame({'A':['a','b'],
'B':[[['A1', 'A2']],[['A1', 'A2', 'A3']]]})
print (df)
A B
0 a [[A1, A2]]
1 b [[A1, A2, A3]]
df1 = pd.DataFrame({ "A": np.repeat(df.A.values,
[len(x) for x in (chain.from_iterable(df.B))]),
"B": list(chain.from_iterable(chain.from_iterable(df.B)))})
print (df1)
A B
0 a A1
1 a A2
2 b A1
3 b A2
4 b A3
时间:
A = np.unique(np.random.randint(0, 1000, 1000))
B = [[list(string.ascii_letters[:random.randint(3, 10)])] for _ in range(len(A))]
df = pd.DataFrame({"A":A, "B":B})
print (df)
A B
0 0 [[a, b, c, d, e, f, g, h]]
1 1 [[a, b, c]]
2 3 [[a, b, c, d, e, f, g, h, i]]
3 5 [[a, b, c, d, e]]
4 6 [[a, b, c, d, e, f, g, h, i]]
5 7 [[a, b, c, d, e, f, g]]
6 8 [[a, b, c, d, e, f]]
7 10 [[a, b, c, d, e, f]]
8 11 [[a, b, c, d, e, f, g]]
9 12 [[a, b, c, d, e, f, g, h, i]]
10 13 [[a, b, c, d, e, f, g, h]]
...
...
In [67]: %timeit pd.DataFrame({ "A": np.repeat(df.A.values, [len(x) for x in (chain.from_iterable(df.B))]),"B": list(chain.from_iterable(chain.from_iterable(df.B)))})
1000 loops, best of 3: 818 µs per loop
In [68]: %timeit ((df['B'].apply(lambda x: pd.Series(x[0])).stack().reset_index(level=1, drop=True).to_frame('B').join(df[['A']], how='left')))
10 loops, best of 3: 103 ms per loop
- jezrael
2
这个解决方案比“apply”解决方案快了125倍。 - jezrael
从itertools导入chain函数 - pomber
3
我找不到一个优雅的方法来处理这个问题，但以下代码可以正常工作...
import pandas as pd
import numpy as np
df = pd.DataFrame([{"a":1,"b":[[1,2]]},{"a":4, "b":[[3,4,5]]}])
z = []
for k,row in df.iterrows():
for j in list(np.array(row.b).flat):
z.append({'a':row.a, 'b':j})
result = pd.DataFrame(z)
- Howardyan
1
这对我来说是最容易理解工作原理的...谢谢。 - ihightower
1
我认为这是最快和最简单的方法：
df = pd.DataFrame({'A':['a','b'],
'B':[[['A1', 'A2']],[['A1', 'A2', 'A3']]]})
df.set_index('A')['B'].apply(lambda x: pd.Series(x[0]))
- Adrian P
1
0
这里还有另一个选择
unpacked = (pd.melt(df.B.apply(pd.Series).reset_index(),id_vars='index')
.merge(df, left_on = 'index', right_index = True))
unpacked = (unpacked.loc[unpacked.value.notnull(),:]
.drop(columns=['index','variable','B'])
.rename(columns={'value':'B'})
- 使用pd.series将B列拆分为不同的行
- 对此进行融合，以便每个条目都是单独的行（保留索引）
- 将其与原始数据框合并
- 整理 - 删除不必要的列并重命名值列
- oli5679
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
df1.explode('B')可以完成任务。谢谢！ - Tushar.reset_index(drop=True)来删除相同的索引值。因此，df1.explode('B').reset_index(drop=True)将是答案。 - msklc