Python数据框分隔包含列表的单元格值

Posted 2023-03-11

【中文标题】Python数据框分隔包含列表的单元格值

【英文标题】：Python dataframe separate cell values containing lists

【发布时间】：2018-09-24 15:02:25

【问题描述】：

我有一个数据框df：

        0               1               2   
Mon ['x','y','z']   ['a','b','c']   ['a','b','c']
Tue ['a','b','c']   ['a','b','c']   ['x','y','z']
Wed ['a','b','c']   ['a','b','c']   ['a','b','c']

列表彼此之间都存在差异（也许也相似），我希望将其转换为形式：

    0 1 2
Mon x a a
Mon y b b
Mon z c c
Tue a a x
Tue b b y
Tue c c z
Wed a a a
Wed b b b
Wed c c c

参考之前的一些 SO 问题，Explode lists with different lengths in Pandas， Split (explode) pandas dataframe string entry to separate rows

我尝试使用他们的解决方案，但无法获得所需的输出。我怎样才能做到这一点？

s1 = df[0]
s2 = df[1]
s3 = df[2]
i1 = np.arange(len(df)).repeat(s1.str.len())
i2 = np.arange(len(df)).repeat(s2.str.len())
i3 = np.arange(len(df)).repeat(s3.str.len())
df.iloc[i1, :-1].assign(**'Shared Codes': np.concatenate(s1.values))
df.iloc[i2, :-1].assign(**'Shared Codes': np.concatenate(s2.values))
df.iloc[i3, :-1].assign(**'Shared Codes': np.concatenate(s3.values))

另外，如果我有更多的专栏，这似乎不是一个非常合理的方法。使用 python 2.7。

【参考方案1】：

我会这样做：

dfs = []
for day in df.index:
    part = pd.DataFrame(df.loc[day].tolist()).T
    part.index = np.repeat(day, len(df.columns))
    dfs.append(part)
result = pd.concat(dfs)

【参考方案2】：

如果列包含由 3 个元素组成的列表，则简单的迭代可能会有所帮助，即：

ndf = pd.concat([df.apply(lambda x : [i[j] for i in x],1) for j in range(3)]).sort_index()

     0  1  2
Mon  x  a  a
Mon  y  b  b
Mon  z  c  c
Tue  a  a  x
Tue  b  b  y
Tue  c  c  z
Wed  a  a  a
Wed  b  b  b
Wed  c  c  c

【讨论】：

这个解决方案搞乱了数据框和列表的顺序。

当一个数据帧，df 被传递给你的单行代码。 1. 索引的顺序发生变化， 2. 单元格值的顺序（在这种情况下是列表）在分隔时也会发生变化。因此，这不是最有效的解决方案，因为维护列表的顺序很重要。

【参考方案3】：

这是使用itertools.chain 和numpy.repeat 的一种方式：

import pandas as pd, numpy as np
from itertools import chain

df = pd.DataFrame(0: [['x', 'y', 'z'], ['a', 'b', 'c'], ['a', 'b', 'c']],
                   1: [['a', 'b', 'c'], ['a', 'b', 'c'], ['a', 'b', 'c']],
                   2: [['a', 'b', 'c'], ['x', 'y', 'z'], ['a', 'b', 'c']],
                  index=['Mon', 'Tue', 'Wed'])

res = pd.DataFrame(k: list(chain.from_iterable(df[k])) for k in df,
                   index=np.repeat(df.index, list(map(len, df[0]))))

print(res)

#      0  1  2
# Mon  x  a  a
# Mon  y  b  b
# Mon  z  c  c
# Tue  a  a  x
# Tue  b  b  y
# Tue  c  c  z
# Wed  a  a  a
# Wed  b  b  b
# Wed  c  c  c