将包含列表的pandas列“取消堆叠”成多行[重复]答案

【问题标题】："unstack" a pandas column containing lists into multiple rows [duplicate]将包含列表的pandas列“取消堆叠”成多行[重复]
【发布时间】：2017-06-20 02:39:43
【问题描述】：

假设我有以下 Pandas 数据框：

df = pd.DataFrame({"a" : [1,2,3], "b" : [[1,2],[2,3,4],[5]]})
   a          b
0  1     [1, 2]
1  2  [2, 3, 4]
2  3        [5]

我将如何“取消堆叠”“b”列中的列表以将其转换为数据框：

【问题讨论】：

标签： python list pandas dataframe

【解决方案1】：

更新： 通用矢量化方法 - 也适用于多列 DF：

假设我们有以下 DF：

In [159]: df
Out[159]:
   a          b  c
0  1     [1, 2]  5
1  2  [2, 3, 4]  6
2  3        [5]  7

解决方案：

In [160]: lst_col = 'b'

In [161]: pd.DataFrame({
     ...:     col:np.repeat(df[col].values, df[lst_col].str.len())
     ...:     for col in df.columns.difference([lst_col])
     ...: }).assign(**{lst_col:np.concatenate(df[lst_col].values)})[df.columns.tolist()]
     ...:
Out[161]:
   a  b  c
0  1  1  5
1  1  2  5
2  2  2  6
3  2  3  6
4  2  4  6
5  3  5  7

设置：

df = pd.DataFrame({
    "a" : [1,2,3],
    "b" : [[1,2],[2,3,4],[5]],
    "c" : [5,6,7]
})

矢量化 NumPy 方法：

In [124]: pd.DataFrame({'a':np.repeat(df.a.values, df.b.str.len()),
                        'b':np.concatenate(df.b.values)})
Out[124]:
   a  b
0  1  1
1  1  2
2  2  2
3  2  3
4  2  4
5  3  5

旧答案：

试试这个：

In [89]: df.set_index('a', append=True).b.apply(pd.Series).stack().reset_index(level=[0, 2], drop=True).reset_index()
Out[89]:
   a    0
0  1  1.0
1  1  2.0
2  2  2.0
3  2  3.0
4  2  4.0
5  3  5.0

或者更好的解决方案provided by @Boud:

In [110]: df.set_index('a').b.apply(pd.Series).stack().reset_index(level=-1, drop=True).astype(int).reset_index()
Out[110]:
   a  0
0  1  1
1  1  2
2  2  2
3  2  3
4  2  4
5  3  5

【讨论】：

嗯，然后删除追加和删除级别-1？
我希望这是 Pandas 的一部分。
@AmiTavory，谢谢！有a bit more generic version，但还没有经过足够的测试，无法将其推送到 Pandas、IMO...
因为我 s̶t̶e̶a̶l̶ 使用 MaxU 的另一个答案......我想知道他让我赚了多少钱。感谢一直以来的支持！
简单一班：df.explode('b')

【解决方案2】：

这是itertuples 的另一种方法-

df = pd.DataFrame({"a" : [1,2,3], "b" : [[1,2],[2,3,4],[5]]})

data = []

for i in df.itertuples():
    lst = i[2]
    for col2 in lst:
        data.append([i[1], col2])

df_output = pd.DataFrame(data =data, columns=df.columns)
df_output

输出是 -

编辑：您还可以将循环压缩为单个代码并将data 填充为 -

data = [[i[1], col2] for i in df.itertuples() for col2 in i[2]]

【讨论】：