python - 在数据框中解压缩数据的方法

Question

我有一个“打包”的 df，我正试图找到一种方法来解包成多列和多行:

作为一个 df 输入，在一列中包含多个列表

all_labels                 values                       labels                   
[A,B,C]          [[10,1,3],[5,6,3],[0,0,0]]            [X,Y,Z]

期望的输出:解压后的 df

        X          Y             Z
A       10         1             3   
B       5          6             3  
C       0          0             0

我对 all_labels & labels 列进行了尝试，但不确定如何对 values 列进行此操作:

df.labels.apply(pd.Series)df.all_labels.apply(pd.Series)

Answer 1

设置

packed = pd.DataFrame({
    'all_labels': [['A', 'B', 'C']],
    'values': [[[10, 1, 3], [5, 6, 3], [0, 0, 0]]],
    'labels': [['X', 'Y', 'Z']]
})

---

保持简单

pd.DataFrame(packed['values'][0], packed['all_labels'][0], packed['labels'][0])

    X  Y  Z
A  10  1  3
B   5  6  3
C   0  0  0

---

重命名和dict解包

列与数据框构造函数的参数名称非常接近，我无法抗拒......

rnm = {'all_labels': 'index', 'values': 'data', 'labels': 'columns'}
pd.DataFrame(**packed.rename(columns=rnm).loc[0])

    X  Y  Z
A  10  1  3
B   5  6  3
C   0  0  0

---

不用rename 和list 解包

确保列名的顺序与 pandas.DataFrame 构造函数中参数的预期顺序相同

pd.DataFrame(*packed.loc[0, ['values', 'all_labels', 'labels']])

    X  Y  Z
A  10  1  3
B   5  6  3
C   0  0  0

---

---

奖励 Material

pandas.DataFrame.to_dict 方法将返回一个类似于此的字典。

df = pd.DataFrame(*packed.loc[0, ['values', 'all_labels', 'labels']])

df.to_dict('split')

{'index': ['A', 'B', 'C'],
 'columns': ['X', 'Y', 'Z'],
 'data': [[10, 1, 3], [5, 6, 3], [0, 0, 0]]}

我们可以包装在另一个数据帧构造函数调用中，以返回与我们开始时非常相似的东西。

pd.DataFrame([df.to_dict('split')])

       index    columns                                data
0  [A, B, C]  [X, Y, Z]  [[10, 1, 3], [5, 6, 3], [0, 0, 0]]