輸入資料通常由用逗號等字元分隔的值構成。使用 Pandas 資料框時，有必要拆分這些字串條目並為每個值建立單獨的行。在本文中，我們將深入研究可有效實現此目標的方法。
在Pandas 版本0.25.0 和1.3.0 中引入， .explode() 方法為爆炸包含列表或數組的列提供了一種簡單有效的解決方案。它可以在單列和多列上運行，為處理複雜資料集提供了靈活性。
語法：
dataframe.explode(column_name)
範例：
import pandas as pd
# Dataframe with a column containing comma-separated values
df = pd.DataFrame({'var1': ['a,b,c', 'd,e,f'], 'var2': [1, 2]})
# Exploding the 'var1' column
df = df.explode('var1')
# Resulting dataframe with separate rows for each value
print(df)對於需要分解多個列的更複雜場景，自訂向量化函數可以提供通用的解決方案：
函數定義：
def explode(df, lst_cols, fill_value='', preserve_index=False):
# Calculate lengths of lists
lens = df[lst_cols[0]].str.len()
# Repeat values for non-empty lists
res = (pd.DataFrame({
col:np.repeat(df[col].values, lens)
for col in df.columns.difference(lst_cols)},
index=np.repeat(df.index.values, lens))
.assign(**{col:np.concatenate(df.loc[lens>0, col].values)
for col in lst_cols}))
# Append rows with empty lists
if (lens == 0).any():
res = (res.append(df.loc[lens==0, df.columns.difference(lst_cols)], sort=False)
.fillna(fill_value))
# Revert index order and reset index if requested
res = res.sort_index()
if not preserve_index:
res = res.reset_index(drop=True)
return res範例：
# Dataframe with multiple columns containing lists
df = pd.DataFrame({
'var1': [['a', 'b'], ['c', 'd']],
'var2': [['x', 'y'], ['z', 'w']]
})
# Exploding 'var1' and 'var2' columns
df = explode(df, ['var1', 'var2'])
# Resulting dataframe with separate rows for each list item
print(df)分組轉換
def split_fun(row):
return [row['var1'].split(',')]分組轉換
# Dataframe with a column containing comma-separated values
df = pd.DataFrame({'var1': ['a,b,c', 'd,e,f'], 'var2': [1, 2]})
# Creating a new column with split values using transform
df['var1_split'] = df.transform(split_fun)
# Unnest the newly created column to separate rows
df = df.unnest('var1_split')
# Resulting dataframe with separate rows for each value
print(df)分組轉換
分組轉換>另一種方法涉及使用.transform()來應用一個自訂函數，用於分割字串條目並建立新的行：自訂函數：範例：結論根據資料集的具體要求和複雜程度，可以採用不同的方法進行分割Pandas資料框中以逗號分隔的字串條目。利用 .explode() 方法提供了一種簡單而高效的方法，而自訂向量化函數則為處理更複雜的場景提供了靈活性。以上是如何有效地拆分 Pandas DataFrame 中的逗號分隔字串？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
