我有一个由字符串列表组成的Pandas Series:
0 [slim, waist, man]
1 [slim, waistline]
2 [santa]
正如您所看到的，这些列表的长度是不同的。我想要一种高效地将它们合并成一个序列的方法。
0 slim
1 waist
2 man
3 slim
4 waistline
5 santa
我知道可以使用
li 标签来分隔列表。
series_name.split(' ')
但我很难将这些字符串放回一个列表中。
谢谢！
这是一个只使用pandas函数的简单方法：
import pandas as pd
s = pd.Series([
['slim', 'waist', 'man'],
['slim', 'waistline'],
['santa']])
然后
s.apply(pd.Series).stack().reset_index(drop=True)
产生所需的输出结果。在某些情况下，您可能希望保存原始索引并添加第二级来索引嵌套元素，例如：
0 0 slim
1 waist
2 man
1 0 slim
1 waistline
2 0 santa
如果这正是您所需的，请从链条中省略.reset_index(drop=True)。
s.apply(pd.Series) 创建的是一个数据框，其宽度为原始序列中最长的列表。因此，如果您有一个包含10个列表的序列，并且其中一个列表有500个条目，它将生成一个具有10行、500列和潜在大量NAs的数据框！ - machow0.25.0 中，出现了一个新的方法“explode”，适用于 series 和 dataframes。旧版本中没有此方法。import pandas as pd
s = pd.Series([
['slim', 'waist', 'man'],
['slim', 'waistline'],
['santa']])
然后您可以使用
s.explode()
为了获得这样的结果：
0 slim
0 waist
0 man
1 slim
1 waistline
2 santa
在数据框中：
df = pd.DataFrame({
's': pd.Series([
['slim', 'waist', 'man'],
['slim', 'waistline'],
['santa']
]),
'a': 1
})
你将拥有这样的数据框：
s a
0 [slim, waist, man] 1
1 [slim, waistline] 1
2 [santa] 1
在 s 列上应用 explode 函数：
df.explode('s')
会给您带来这样的结果：
s a
0 slim 1
0 waist 1
0 man 1
1 slim 1
1 waistline 1
2 santa 1
如果你的系列中包含空列表
import pandas as pd
s = pd.Series([
['slim', 'waist', 'man'],
['slim', 'waistline'],
['santa'],
[]
])
然后运行explode将为空列表引入NaN值，如下所示：
0 slim
0 waist
0 man
1 slim
1 waistline
2 santa
3 NaN
s.explode().dropna()
要得到这个结果：
0 slim
0 waist
0 man
1 slim
1 waistline
2 santa
Dataframes也有dropna方法：
df = pd.DataFrame({
's': pd.Series([
['slim', 'waist', 'man'],
['slim', 'waistline'],
['santa'],
[]
]),
'a': 1
})
使用 explode 而不带有 dropna 参数：
df.explode('s')
会导致：
s a
0 slim 1
0 waist 1
0 man 1
1 slim 1
1 waistline 1
2 santa 1
3 NaN 1
使用 dropna：
df.explode('s').dropna(subset=['s'])
结果：
s a
0 slim 1
0 waist 1
0 man 1
1 slim 1
1 waistline 1
2 santa 1
您基本上只是在尝试展开一个嵌套的列表。
您只需要遍历系列的元素即可：
slist =[]
for x in series:
slist.extend(x)
或者使用更简洁但难以理解的列表推导式：
slist = [st for row in s for st in row]
series_name.sum()
它完全可以满足你的需求。但请确保它是一系列列表，否则你的值会被连接起来（如果是字符串）或相加（如果是整数）。
（你可以尝试使用itertools.chain来简单地展开列表）
In [70]: from itertools import chain
In [71]: import pandas as pnd
In [72]: s = pnd.Series([['slim', 'waist', 'man'], ['slim', 'waistline'], ['santa']])
In [73]: s
Out[73]:
0 [slim, waist, man]
1 [slim, waistline]
2 [santa]
dtype: object
In [74]: new_s = pnd.Series(list(chain(*s.values)))
In [75]: new_s
Out[75]:
0 slim
1 waist
2 man
3 slim
4 waistline
5 santa
dtype: object
from itertools import chain
pd.Series(
chain.from_iterable(
value
for i, value
in series_name.iteritems()
)
)
被接受的答案（由 @mcwitt）看起来很像 pandas，但是非常慢，如果列表大小有离群值并且有缺陷（请参见该答案的注释），则需要占用大量内存。
+1 对于 @Tadej Magajna 的答案，将 sum() 应用于系列。 由于它正在将列表相加，因此在情况下使用numpy的 flatten() 是一种更有效的方法，即系列元素为 nparrays：
series_name.values.flatten()。
lst1 = ['hello','world']
lst2 = ['bye','world']
newlst = lst1 + lst2
print(newlst)
>> ['hello','world','bye','world']
或者你可以像下面这样使用list.extend()函数 -
lst1 = ['hello','world']
lst2 = ['bye','world']
lst1.extend(lst2)
print(lst1)
>> ['hello', 'world', 'bye', 'world']
使用extend函数的好处在于它可以适用于多种类型，而concatenation运算符只有在LHS和RHS都是列表时才能工作。
extend函数的其他示例 -
lst1.extend(('Bye','Bye'))
>> ['hello', 'world', 'Bye', 'Bye']
使用此函数可以进行平铺和取消平铺
def flatten(df, col):
col_flat = pd.DataFrame([[i, x] for i, y in df[col].apply(list).iteritems() for x in y], columns=['I', col])
col_flat = col_flat.set_index('I')
df = df.drop(col, 1)
df = df.merge(col_flat, left_index=True, right_index=True)
return df
非扁平化：
def unflatten(flat_df, col):
flat_df.groupby(level=0).agg({**{c:'first' for c in flat_df.columns}, col: list})
展开后，我们得到相同的数据框，除了列的顺序不同:
(df.sort_index(axis=1) == unflatten(flatten(df)).sort_index(axis=1)).all().all()
>> True
您也可以尝试以下方法：
combined = []
for i in s.index:
combined = combined + s.iloc[i]
print(combined)
s = pd.Series(combined)
print(s)
输出：
['slim', 'waist', 'man', 'slim', 'waistline', 'santa']
0 slim
1 waist
2 man
3 slim
4 waistline
5 santa
dtype: object