根据具有不同列表值的列中的 len(list) 重复 DataFrame 中的行 N 次

Question

我有一个 DataFrame，它看起来像：

     col_1    col_2  ...  col_n   date  

1    1        0           1       [[2017-02-01, 2017-12-01]]

2    0        1           1       [[2018-01-01, 2018-01-01], [2019-01-01, 2019-02-01]]

3    1        1           0       [[2018-04-01, 2019-03-01]]

...

n    0        0           1       [[2017-12-01, 2017-12-01], [2018-03-01, 2018-03-01], [2018-05-01, 2018-05-01], [2018-08-01, 2018-12-01]]

而且我需要重复df.date具有多个列表值的列并将它们拆分为新列df.start_date和df.end_date

例如

     col_1    col_2  ...  col_n   date_start    date_end 

1    1        0           1       2017-02-01    2017-12-01

2    0        1           1       2018-01-01    2018-01-01

3    0        1           1       2019-01-01    2019-02-01

4    1        1           0       2018-04-01    2019-03-01

...

n    0        0           1       2017-12-01    2017-12-01

n    0        0           1       2018-03-01    2018-03-01

n    0        0           1       2018-05-01    2018-05-01 

n    0        0           1       2018-08-01    2018-12-01

我试过了

date_df['repeat_num'] = [[[row, idx] for idx, item in enumerate(_list)] for row, _list in enumerate(date_df['date'])]

for row in range(len(date_df)):

    if id_tuple[row][0][1] == 1: np.repeat(date_df.values, 1, axis = 0)

    elif id_tuple[row][0][1] == 2: np.repeat(date_df.values, 2, axis = 0)

    elif id_tuple[row][0][1] == 3: np.repeat(date_df.values, 3, axis = 0)

    elif id_tuple[row][0][1] == 4: np.repeat(date_df.values, 4, axis = 0)

    elif id_tuple[row][0][1] == 5: np.repeat(date_df.values, 5, axis = 0)

但不要认为它工作正常。

有没有办法做到这一点？

Answer 1

使用DataFrame.explodepandas 0.25+ 并使用DataFrame构造函数创建新列：print (date_df)   a                                               date0  4       [[2017-02-01 00:00:00, 2017-03-01 00:00:00]]1  7  [[2017-02-01 00:00:00, 2017-04-01 00:00:00], [...df = date_df.explode('date')print (df)   a                                        date0  4  [2017-02-01 00:00:00, 2017-03-01 00:00:00]1  7  [2017-02-01 00:00:00, 2017-04-01 00:00:00]1  7  [2017-02-01 00:00:00, 2017-04-01 00:00:00]df[['date_start','date_end']] = pd.DataFrame(df.pop('date').values.tolist(), index=df.index)print (df)   a date_start   date_end0  4 2017-02-01 2017-03-011  7 2017-02-01 2017-04-011  7 2017-02-01 2017-04-01编辑：旧版 pandas 的解决方案：s = date_df.pop('date')df = date_df.loc[date_df.index.repeat(s.str.len())]df[['date_start','date_end']] = pd.DataFrame(np.concatenate(s), index=df.index)df = df.reset_index(drop=True)print (df)   a date_start   date_end0  4 2017-02-01 2017-03-011  7 2017-02-01 2017-04-012  7 2017-02-01 2017-04-01