将列表列表拆分为熊猫数据框[重复]

Posted 2023-03-11

【中文标题】将列表列表拆分为熊猫数据框[重复]

【英文标题】：unstacking a list of lists into a pandas dataframe [duplicate]

【发布时间】：2018-07-26 08:20:35

【问题描述】：

假设我有以下数据框：

x = pd.DataFrame('a':['x, y', 'x, t, x, r', 'y, t'],
          'b':[1, 0, 1])

            a  b
0        x, y  1
1  x, t, x, r  0
2        y, t  1

我想去

  letter  num
0      x    1
1      y    1
2      x    0
3      t    0
4      x    0
5      r    0
6      y    1
7      t    1

我已经通过以下方式解决了这个问题，但我觉得我让它变得比它需要的更复杂。

x.a = x.a.str.split(",")

empty = []
for b, a in zip(x.b, x.a):
    empty.append([b] * len(a))

t = [item for sublist in empty for item in sublist]
y = [item for sublist in x.a for item in sublist]

pd.DataFrame('letter':t, 'num':y)

   letter num
0       1   x
1       1   y
2       0   x
3       0   t
4       0   x
5       0   r
6       1   y
7       1   t

有没有更好的方法来解决这个问题？

【参考方案1】：

将split 用于lists，首先通过正则表达式-,\s+ 用于带有一个或多个空格的逗号，然后numpy.repeat 通过numpy.concatenate 进行展平，最后使用DataFrame 构造函数：

a = x.a.str.split(",\s+")
b = np.repeat(x.b.values, a.str.len())
c = np.concatenate(a.values)

df = pd.DataFrame('letter':c, 'num':b)
print (df)
  letter  num
0      x    1
1      y    1
2      x    0
3      t    0
4      x    0
5      r    0
6      y    1
7      t    1

【参考方案2】：

让我们将每一行扩展一加上'a' 列中的逗号数。然后用新值覆盖列'a'。

x.loc[
    x.index.repeat(x.a.str.count(', ') + 1)
].assign(
    a=', '.join(x.a).split(', ')
).rename(columns=dict(a='letter', b='num'))

  letter  num
0      x    1
0      y    1
1      x    0
1      t    0
1      x    0
1      r    0
2      y    1
2      t    1

【参考方案3】：

只是找到一种新的方式:-)

x.set_index('b').a.str.get_dummies(sep=',').replace(0,np.nan).stack().reset_index().drop(0,1)
Out[481]: 
   b level_1
0  1       y
1  1       x
2  0       r
3  0       t
4  0       x
5  0       x
6  1       t
7  1       y