python - 带有列表元素 : split, pad 的 Pandas 数据框

Question

我有一个 Pandas 数据框(NROWS x 1)，其中每一行都是一个列表，例如

    y 
0   [[aa, bb], 0000001]   
1   [[uz, mk], 0000011]

我想将列表展平并分成(在本例中为三列)，如下所示:

    1  2  3
0   aa bb 0000001
1   uz mk 0000011

此外，不同行的长度不相等:

    y
0   [[aa, bb], 0000001]
1   [[mk], 0000011]

我真正想要结束的是，检测所有行的最大长度并将其余部分填充为空字符串 ''。在这个例子中，

    1  2  3
0   aa bb 0000001
1   '' mk 0000011

我玩过 .values.tolist() 但它没有满足我的需要。

Edit- 下面的答案非常简洁，非常感谢。为了完整起见，我正在编辑以包含针对类似但更简单的问题的解决方案。

读取数据，使用来自 Strip / trim all strings of a dataframe 的 trim() fn确保没有左/右空格

df = pd.read_csv('data.csv',sep=',',dtype=str)
df = trim_all_columns(df) 

保留分类/名义 ID 和 CODE 列，删除所有 NA

df.dropna(subset=['dg_cd'] , inplace=True) # drop dg_cd is NaN rows from df 

df2 = df[['id','dg_cd']]

通过ID将CODE变成句子，保留所有重复的实例

x = df2.groupby('id').apply(lambda x: x['dg_cd'].values.tolist()).apply(pd.Series).replace(np.nan, '', regex=True)

做这一切的原因是因为它提供给 k-modes 集群搜索，https://pypi.org/project/kmodes/ . NA 不是可接受的输入而是空字符串

''

允许相同长度的行，同时没有虚假的相似性。例如，

km = KModes(n_clusters=4, init='Cao', n_init=1, verbose=1)

clusters = km.fit_predict( x )

Answer 1

设置

df = pd.DataFrame(dict(y=[
    [['aa', 'bb'], '0000001'],
    [['uz', 'mk'], '0000011'],
    [['mk'], '0000111']
]))

df

                     y
0  [[aa, bb], 0000001]
1  [[uz, mk], 0000011]
2      [[mk], 0000111]

---

扁平化

来自 @wim

def flatten(x):
    try:
        it = iter(x)
    except TypeError:
        yield x
        return
    if isinstance(x, str):
        yield x
        return
    for elem in it:
        yield from flatten(elem)

d = dict(zip(df.index, [dict(enumerate([*flatten(x)][::-1])) for x in df.y]))

d = pd.DataFrame.from_dict(d, 'index').fillna('')
d.iloc[:, ::-1].rename(columns=lambda x: d.shape[1] - x)

    1   2        3
0  aa  bb  0000001
1  uz  mk  0000011
2      mk  0000111