python - 来自锯齿状数组的 DataFrame

Question

我有一个如下所示的数据集:

date = ['01/01/2001','02/01/2001']
countries = [['US', 'UK', 'AU'],['CN']]

所以基本上数据应该是这样的:

def flatten(array):
    return sum(array,[])
pd.DataFrame({'date': flatten([[date[0]]*3, [date[1]]]), 'country': flatten(countries)})
# Which Returns:
    country date
0   US  01/01/2001
1   UK  01/01/2001
2   AU  01/01/2001
3   CN  02/01/2001

以上似乎是一种低效的实现方式。 date 和 countries 数组的长度完全相同。基本上 date 需要重复子数组的长度。

在 Pandas 中有一种优雅的方式来做到这一点吗？或者我是否需要像我所做的那样对数组进行预处理？

Answer 1

试试我的 1-liner:

df = pd.DataFrame(list(chain(*[list(product([x],y)) for x, y in zip(date, countries)])), columns= ['date',"countries"])

解释:

基本上itertools在这种情况下，以更 Python 的方式解决问题是一个完美的选择:

from itertools import chain, product
df = pd.DataFrame(list(chain(*[list(product([x],y)) for x, y in zip(date, countries)])), columns= ['date',"countries"])

df
Out[56]: 
         date countries
0  01/01/2001        US
1  01/01/2001        UK
2  01/01/2001        AU
3  02/01/2001        CN

---

更新:

更详细的解释:

• 第一步:使用列表理解，zip，itertools.product将两者product输入列表:
[list(product([x],y)) for x, y in zip(date, countries)]
输出[59]:
[[('01/01/2001', '美国'), ('01/01/2001', '英国'), ('01/01/2001', 'AU')],
[('02/01/2001', 'CN')]]

• 第 2 步:使用 itertools.chain() 解压/展平list of lists。
列表(链(*[列表(产品([x]，y))对于 x，y 在 zip(日期，国家)]))
输出[60]:
[('01/01/2001', '美国'),
('01/01/2001', '英国'),
('01/01/2001', 'AU'),
('02/01/2001', 'CN')]


• 第 3 步:形成 DataFrame:
df = pd.DataFrame(list(chain(*[list(product([x],y)) for x, y in zip(date, countries)])), columns= ['date',"countries"])