如何在pandas DataFrame中取消（爆炸）一列？

Question

如何在pandas DataFrame中取消（爆炸）一列？

我有以下DataFrame，其中一列是一个对象（列表类型单元格）：

df=pd.DataFrame({'A':[1,2],'B':[[1,2],[1,2]]})

df

Out[458]: 

   A       B

0  1  [1, 2]

1  2  [1, 2]

我的预期输出是：

   A  B

0  1  1

1  1  2

3  2  1

4  2  2

我该怎么做才能做到这一点？

Answer 1

选项1如果另一列中的所有子列表长度相同，则numpy可以是以下有效选项：vals = np.array(df.B.values.tolist())    a = np.repeat(df.A, vals.shape[1])pd.DataFrame(np.column_stack((a, vals.ravel())), columns=df.columns)   A  B0  1  11  1  22  2  13  2  2选项2如果子列表具有不同的长度，则需要执行其他步骤：vals = df.B.values.tolist()rs = [len(r) for r in vals]    a = np.repeat(df.A, rs)pd.DataFrame(np.column_stack((a, np.concatenate(vals))), columns=df.columns)   A  B0  1  11  1  22  2  13  2  2选项3我试着将其概括为一个用于压扁N列和瓷砖M列的工作，稍后我会努力提高它的效率：df = pd.DataFrame({'A': [1,2,3], 'B': [[1,2], [1,2,3], [1]],                   'C': [[1,2,3], [1,2], [1,2]], 'D': ['A', 'B', 'C']})   A          B          C  D0  1     [1, 2]  [1, 2, 3]  A1  2  [1, 2, 3]     [1, 2]  B2  3        [1]     [1, 2]  Cdef unnest(df, tile, explode):    vals = df[explode].sum(1)    rs = [len(r) for r in vals]    a = np.repeat(df[tile].values, rs, axis=0)    b = np.concatenate(vals.values)    d = np.column_stack((a, b))    return pd.DataFrame(d, columns = tile +  ['_'.join(explode)])unnest(df, ['A', 'D'], ['B', 'C'])    A  D B_C0   1  A   11   1  A   22   1  A   13   1  A   24   1  A   35   2  B   16   2  B   27   2  B   38   2  B   19   2  B   210  3  C   111  3  C   112  3  C   2功能def wen1(df):    return df.set_index('A').B.apply(pd.Series).stack().reset_index(level=0).rename(columns={0: 'B'})def wen2(df):    return pd.DataFrame({'A':df.A.repeat(df.B.str.len()),'B':np.concatenate(df.B.values)})def wen3(df):    s = pd.DataFrame({'B': np.concatenate(df.B.values)}, index=df.index.repeat(df.B.str.len()))    return s.join(df.drop('B', 1), how='left')def wen4(df):    return pd.DataFrame([[x] + [z] for x, y in df.values for z in y],columns=df.columns)def chris1(df):    vals = np.array(df.B.values.tolist())    a = np.repeat(df.A, vals.shape[1])    return pd.DataFrame(np.column_stack((a, vals.ravel())), columns=df.columns)def chris2(df):    vals = df.B.values.tolist()    rs = [len(r) for r in vals]    a = np.repeat(df.A.values, rs)    return pd.DataFrame(np.column_stack((a, np.concatenate(vals))), columns=df.columns)计时import pandas as pdimport matplotlib.pyplot as pltimport numpy as npfrom timeit import timeitres = pd.DataFrame(       index=['wen1', 'wen2', 'wen3', 'wen4', 'chris1', 'chris2'],       columns=[10, 50, 100, 500, 1000, 5000, 10000],       dtype=float)for f in res.index:    for c in res.columns:        df = pd.DataFrame({'A': [1, 2], 'B': [[1, 2], [1, 2]]})        df = pd.concat([df]*c)        stmt = '{}(df)'.format(f)        setp = 'from __main__ import df, {}'.format(f)        res.at[f, c] = timeit(stmt, setp, number=50)ax = res.div(res.min()).T.plot(loglog=True)ax.set_xlabel("N")ax.set_ylabel("time (relative)")

Answer 2

另一种方法是将meshgrid配方应用于列的行以免除：import numpy as npimport pandas as pddef unnest(frame, explode):    def mesh(values):        return np.array(np.meshgrid(*values)).T.reshape(-1, len(values))    data = np.vstack(mesh(row) for row in frame[explode].values)    return pd.DataFrame(data=data, columns=explode)df = pd.DataFrame({'A': [1, 2], 'B': [[1, 2], [1, 2]]})print(unnest(df, ['A', 'B']))  # baseprint()df = pd.DataFrame({'A': [1, 2], 'B': [[1, 2], [3, 4]], 'C': [[1, 2], [3, 4]]})print(unnest(df, ['A', 'B', 'C']))  # multiple columnsprint()df = pd.DataFrame({'A': [1, 2, 3], 'B': [[1, 2], [1, 2, 3], [1]],                   'C': [[1, 2, 3], [1, 2], [1, 2]], 'D': ['A', 'B', 'C']})print(unnest(df, ['A', 'B']))  # uneven length listsprint()print(unnest(df, ['D', 'B']))  # different typesprint()产量   A  B0  1  11  1  22  2  13  2  2   A  B  C0  1  1  11  1  2  12  1  1  23  1  2  24  2  3  35  2  4  36  2  3  47  2  4  4   A  B0  1  11  1  22  2  13  2  24  2  35  3  1   D  B0  A  11  A  22  B  13  B  24  B  35  C  1