1、实现的效果
示例代码：
|
1
2
3
4
5
6
|
df=pd.DataFrame({'A':[1,2],'B':[[1,2],[1,2]]})dfOut[458]: A B0 1 [1, 2]1 2 [1, 2] |
拆分成多行的效果：
A B
0 1 1
1 1 2
3 2 1
4 2 2
2、拆分成多行的方法
1）通过apply和pd.Series实现
容易理解，但在性能方面不推荐。
|
1
2
3
4
5
6
7
|
df.set_index('A').B.apply(pd.Series).stack().reset_index(level=0).rename(columns={0:'B'})Out[463]: A B0 1 11 1 20 2 11 2 2 |
2）使用repeat和DataFrame构造函数
性能可以，但不太适合多列
|
1
2
3
4
5
6
7
8
|
df=pd.DataFrame({'A':df.A.repeat(df.B.str.len()),'B':np.concatenate(df.B.values)})dfOut[465]: A B0 1 10 1 21 2 11 2 2 |
或者
|
1
2
3
4
5
6
7
8
|
s=pd.DataFrame({'B':np.concatenate(df.B.values)},index=df.index.repeat(df.B.str.len()))s.join(df.drop('B',1),how='left')Out[477]: B A0 1 10 2 11 1 21 2 2 |
3）创建新的列表
|
1
2
3
4
5
6
7
|
pd.DataFrame([[x] + [z] for x, y in df.values for z in y],columns=df.columns)Out[488]: A B0 1 11 1 22 2 13 2 2 |
或者
|
1
2
3
4
5
6
7
8
9
|
#拆成多于两列的情况s=pd.DataFrame([[x] + [z] for x, y in zip(df.index,df.B) for z in y])s.merge(df,left_on=0,right_index=True)Out[491]: 0 1 A B0 0 1 1 [1, 2]1 0 2 1 [1, 2]2 1 1 2 [1, 2]3 1 2 2 [1, 2] |
4）使用reindex和loc实现
|
1
2
3
4
5
6
7
8
|
df.reindex(df.index.repeat(df.B.str.len())).assign(B=np.concatenate(df.B.values))Out[554]: A B0 1 10 1 21 2 11 2 2#df.loc[df.index.repeat(df.B.str.len())].assign(B=np.concatenate(df.B.values) |
5）使用numpy高性能实现
|
1
2
3
4
5
6
7
|
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) A B0 1 11 1 22 2 13 2 2 |
到此这篇关于Python Pandas list列表数据列拆分成多行的方法实现的文章就介绍到这了,更多相关Pandas list列拆分成多行内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://www.cjavapy.com/article/237/
