python - 如何使用一个 CSV 列标准化 Python 矩阵？

Question

我有一个矩阵，其中一列是 CSV，如下所示:-

matrix = [
    [1,"123,354,23"],
    [2,"234,34,678"]
]

如何标准化这一点，以便我为 CSV 列中的每个值获取一行，即，使其看起来像这样:-

[
    [1, 123],
    [1, 354],
    [1, 23],
    [2, 234],
    [2, 34],
    [2, 678]
]

我愿意使用 numpy 或 pandas。

请注意，在我的具体情况下，还有许多其他非 CSV 列。

谢谢

Answer 1

在您给出的示例中，这将完成:

matrix = [
    [1,"123,354,23"],
    [2,"234,34,678"]
]

import ast

expanded = [
    [ index, item ]
    for index, rowString in matrix
    for item in ast.literal_eval('[' + rowString + ']')
]

对于其他“非 CSV”案例，这取决于它们的格式。在这里，ast.literal_eval 是一个很好的工具，用于将明显的标准(逗号分隔的字符串)转换为变量 item 可以迭代的 Python 序列。其他格式可能需要其他转换方法。

这会生成与您指定的完全相同的列表列表。不过，pandas 是一个很好的工具。然后，要将列表列表转换为 pandas.DataFrame，您可以说:

import pandas as pd
df = pd.DataFrame(expanded, columns=['index', 'item']).set_index(['index'])
print(df)
# prints: 
# 
#        item
# index      
# 1       123
# 1       354
# 1        23
# 2       234
# 2        34
# 2       678   

或者，如果“许多其他非 CSV 列”只是指矩阵每一行中任意数量的附加条目，但最后一个条目仍然始终是 CSV 文本，那么它可能如下所示:

matrix = [
    [1, 3.1415927, 'Mary Poppins', "123,354,23"],
    [2, 2.7182818, 'Genghis Khan', "234,34,678"]
]

import ast

expanded = [
    row[:-1] + [item]
    for row in matrix
    for item in ast.literal_eval('[' + row[-1] + ']')
]

import pandas as pd
df = pd.DataFrame(expanded).set_index([0])