根据列中的列表向 Pandas 数据框添加行（反之亦然）

Question

我有这个数据框：

dfx = pd.DataFrame([[1,2],['A','B'],[['C','D'],'E']],columns=list('AB'))
        A  B
0       1  2
1       A  B
2  [C, D]  E

...我想在...中转换的...

        A  B
0       1  2
1       A  B
2       C  E
3       D  E

...如果是列表，则为 A 列中包含的每个值添加一行。

哪种方式最pythonic？

反之亦然，如果我想按列（比如说 B）分组并在 A 列中有分组值的列表？ （所以和上面的例子相反）

提前致谢，

詹卢卡

Answer 1

您有混合数据框 - int 与 str 和 list 值（非常有问题，因为许多函数会引发错误），所以首先将所有数字转换为 str where 和掩码是 to_numeric使用参数errors='coerce' 将非数字转换为NaN：

dfx.A = dfx.A.where(pd.to_numeric(dfx.A, errors='coerce').isnull(), dfx.A.astype(str))
print (dfx)
        A  B
0       1  2
1       A  B
2  [C, D]  E

然后通过np.repeat 创建新的DataFrame 并通过chain.from_iterable 创建lists 的平面值：

df = pd.DataFrame({
        "B": np.repeat(dfx.B.values, dfx.A.str.len()),
        "A": list(chain.from_iterable(dfx.A))})
print (df)
   A  B
0  1  2
1  A  B
2  C  E
3  D  E

---

Pure pandas 解决方案将列A 转换为list，然后创建新的DataFrame.from_records。然后drop原创专栏A和joinstackeddf：

df = pd.DataFrame.from_records(dfx.A.values.tolist(), index = dfx.index)
df = dfx.drop('A', axis=1).join(df.stack().rename('A')
        .reset_index(level=1, drop=True))[['A','B']]
print (df)
   A  B
0  1  2
1  A  B
2  C  E
2  D  E

---

如果需要lists，请使用groupby 和apply tolist：

print (df.groupby('B')['A'].apply(lambda x: x.tolist()).reset_index())
   B       A
0  2     [1]
1  B     [A]
2  E  [C, D]

但如果需要list，仅当length 的值更多，因为1 是必要的if..else：

print (df.groupby('B')['A'].apply(lambda x: x.tolist() if len(x) > 1 else x.values[0])
         .reset_index())
   B       A
0  2       1
1  B       A
2  E  [C, D]