Python - 如何解压缩数据框中的元组列表答案

【问题标题】：Python - How to unpack a list of list of tuples in a dataframePython - 如何解压缩数据框中的元组列表
【发布时间】：2019-11-19 03:58:48
【问题描述】：

我有一个数据框，其中一列包含一个元组列表。我想将此元组列表列表解压缩为数据框中的 N 行，其中 N 是元组列表列表的长度。我曾尝试使用其他相关主题的解决方案，但我无法解决我的问题

   import pandas as pd
   import numpy as np

 index       element              Lanes   Category
   0     [[(A, A), (B, B)],         M      1
         [(B, B), (C, C)]]

   1     [[(A, A), (D, D)],         B      2
         [(D, D), (L, L)],
         [(L, L), (O, O)]]

鉴于此输入数据帧，我如何将其转换为长格式导致：-

   index       element           Lanes   Category
   0      (A, A), (B, B)          M       1
   1      (B, B), (C, C)          M       1

   2      (A, A), (D, D)          B       2
   3      (D, D), (L, L)          B       2
   4      (L, L), (O, O)          B       2

【问题讨论】：

重新打开，因为解决方案似乎是重复列表而不是将它们拆分为新行
请与我们分享df.heat.to_dict()。

标签： python pandas

【解决方案1】：

这是适应@WenYoBen's answer的一种方式：

lens = df.element.str.len()
pd.DataFrame({'element': sum(df.element.tolist(),[]),
            'Category': df.Category.repeat(lens).values,
             'Lanes': df.Lanes.repeat(lens).values})

        element         Category Lanes
0  [(A, A), (B, B)]         1     M
1  [(B, B), (C, C)]         1     M
2  [(A, A), (D, D)]         2     B
3  [(D, D), (L, L)]         2     B
4  [(L, L), (O, O)]         2     B

【讨论】：

感谢您的回答。如果我有超过 2 个额外的列，我将如何概括这一点？
只应用了Lanes 和Category 的逻辑，其余的@dan

【解决方案2】：

这是另一种方式 -

import pandas as pd
import numpy as np

d = {'element' : pd.Series([[[('A', 'A'), ('B', 'B')],[('B', 'B'), ('C', 'C')]],[[('A', 'A'), ('D', 'D')],[('D', 'D'), ('L', 'L')],[('L', 'L'), ('O', 'O')]]]),
      'Lanes' : pd.Series(['M','B']),
      'Category' : pd.Series([1,2])}

# creates Dataframe.
df = pd.DataFrame(d)

# print the data.
print(df)

df1=df.element.apply(pd.Series)\
      .merge(df, right_index = True, left_index = True)\
      .drop(["element"], axis = 1) \
      .melt(id_vars = ['Lanes', 'Category'], value_name = "element")\
      .drop("variable", axis = 1)\
      .dropna()\
      .reset_index(drop=True)

print(df1)

【讨论】：