python - Pandas:将列表列表转换为多列

Question

我是 python 和 pandas 的新手，我想将列表列表(其中包含我从一堆文件中提取的信息)转换为单独的列。我在 stackoverflow 上检查了很多帖子，但到目前为止还没有发现任何对我有用的东西。但是，如果您遇到类似的内容，请在评论中发布链接。

<小时/>

我有一个像这样的数据框(一个代表性的例子):

df:
        ID           Values_a                    

    0   1      [[1,20.1],[2,20.2]]         

    1   7      [[1,30.1],[2,30.2]]    

两个列表([[1,20.1],[2,20.2]] 和 [[1,30.1],[2,30.2]])都有长度相同(并且始终如此)，但列表中的整数(1 和 2)可以是任何数字。

我想将 df 转换为这样的数据框:

  Label     1(Number of the 1st ID)        7(Number of the 2nd ID)

    1        20.1                                30.1

    2        20.2                                30.2

其中将包含三列:

• 第一列 (Label) 包含列表中的第一个数字(因此在本例中，我们有整数 1 和 2 )。
• 第二列 (1) 将第一个 ID 号作为列标题，并包含每个列表的第二个值 (20.1、20.2) >).
• 第三列包含 ID 号 7 的相同信息。

<小时/>

首先，我使用 apply.(pd.Series) 来拆分列表列表以获得类似这样的内容(我称之为 df2):

df2:
       ID         0                1    

    0  1       [1,20.1]         [2,20.2]       

    1  7       [1,30.1]         [2,30.2]       

不过，我可以使用相同的技巧(apply.(pd.Series))再次拆分列以获得如下内容:

   ID         0        1        2         3

0  1          1       20.1      2        20.2      

1  7          1       30.1      2        30.2    

然后，弄清楚如何从这里到达我想去的地方。

我写了这样的东西来再次拆分列表:

names = [x for x in df2.colmuns]

for name in names:
   df3 = df2[name].apply(pd.Series)
   print df3

在 jupyter 笔记本中，我得到以下结果(当我在 for 循环中包含 print df3 来检查输出时):

      0     1
0    1.0   20.1
1    2.0   20.2
      0     1
0    1.0   30.1
1    2.0   30.2

如果我在 for 循环中执行 df3.info() ，它会告诉我 df3 中有两个数据帧。 (这正常吗？？？)

如果我调用df3，这就是我得到的:

      0     1
0    1.0   30.1
1    2.0   30.2

看起来我正在覆盖 df3 而不是将新数据附加到 df3。

所以:

• 如何解决这个问题？ (也许创建一个新的数据框并将分割列附加到新的数据框？)

• 如何将 df3 转换为我想要的 DataFrame？我有一种感觉，我需要 reshape 我的数据框，但我不知道该怎么做。

任何意见和建议将不胜感激..!!

Answer 1

根据 Values_a 列中的数据结构，这是一种可能的解决方法

>> x = pd.DataFrame({'ID': [1, 7],
>>                   'Values_a': [ [[1, 20.1], [2, 20.2]], 
>>                                 [[1, 30.1], [2, 30.2]] ] });
>> data = { ID: [v[1] for v in x.loc[x['ID'] == ID, 'Values_a'].values[0]]
>>          for ID in x['ID'] }
>> index = [v[0] for v in x['Values_a'].iloc[0]]
>> y = pd.DataFrame(data, index=index)
      1     7
1  20.1  30.1
2  20.2  30.2

不过，我相信 groupby 存在一种更简单、更优雅的解决方案。