如何将 Pandas DataFrame 中的列取消嵌套（分解）为多行
在 Pandas 中，分解列涉及将数据从单行转换为多行。当您有一列包含列表类型单元格并且需要将它们拆分为单独的行时，这非常有用。
考虑一个包含列表“B”列的 DataFrame：
df = pd.DataFrame({'A': [1, 2], 'B': [[1, 2], [1, 2]]})
Output:
A B
0 1 [1, 2]
1 2 [1, 2]到爆炸这列“B”，我们提出了各种方法：
方法 0 [Pandas >= 0.25]
从 Pandas 0.25 开始，如果只需要爆炸一列，请使用 pandas.DataFrame.explode 函数：
df.explode('B')
Output:
A B
0 1 1
1 1 2
3 2 1
4 2 2方法 1
应用pd.Series（容易理解，但不推荐性能）：
df.set_index('A').B.apply(pd.Series).stack().reset_index(level=0).rename(columns={0:'B'})方法 2
在 DataFrame 构造函数中使用重复：
df = pd.DataFrame({'A': df.A.repeat(df.B.str.len()), 'B': np.concatenate(df.B.values)})方法 3
Re -创建list:
pd.DataFrame([[x] + [z] for x, y in df.values for z in y], columns=df.columns)
方法 4
使用 reindex 或 loc:
df.reindex(df.index.repeat(df.B.str.len())).assign(B=np.concatenate(df.B.values))
方法 5
当列表仅包含唯一的值：
from collections import ChainMap d = dict(ChainMap(*map(dict.fromkeys, df['B'], df['A']))) pd.DataFrame(list(d.items()), columns=df.columns[::-1])
方法 6
使用 NumPy 实现高性能：
newvalues = np.dstack((np.repeat(df.A.values, list(map(len, df.B.values))), np.concatenate(df.B.values))) pd.DataFrame(data=newvalues[0], columns=df.columns)
方法 7
使用 itertools循环和chain:
from itertools import cycle, chain l = df.values.tolist() l1 = [list(zip([x[0]], cycle(x[1])) if len([x[0]]) > len(x[1]) else list(zip(cycle([x[0]]), x[1]))) for x in l] pd.DataFrame(list(chain.from_iterable(l1)), columns=df.columns)
泛化为多列
要处理多个爆炸列，可以定义一个函数：
def unnesting(df, explode):
idx = df.index.repeat(df[explode[0]].str.len())
df1 = pd.concat([
pd.DataFrame({x: np.concatenate(df[x].values)}) for x in explode], axis=1)
df1.index = idx
return df1.join(df.drop(explode, 1), how='left')
unnesting(df, ['B', 'C'])Column-明智的取消嵌套
要水平扩展列表，请使用 pd.DataFrame构造函数：
df.join(pd.DataFrame(df.B.tolist(), index=df.index).add_prefix('B_'))以上是如何将 Pandas DataFrame 列分解为多行？的详细内容。更多信息请关注PHP中文网其他相关文章！
